simd

一篇深入的技术博客文章，解释如何使用现代x86_64 CPU上的SIMD指令高效地转置矩阵，重点介绍类似_mm256_shuffle_epi8的AVX2内联函数。

Bun.Image 是一个零依赖的可链式图像处理管道，用于解码、调整大小、旋转和重新编码 JPEG、PNG、WebP、HEIC 和 AVIF 格式，在后台线程运行，灵感来自 Sharp。

minc 是一种最小化的编程语言，可直接编译为多个平台的原生可执行文件，无需外部工具。它拥有现代语法、内置 SIMD 支持以及集成的着色器编译器。

文章批评了 C++26 中的新 std::simd 库，认为它比标量循环慢，编译速度慢，并且被自动向量化器和 Google Highway 等替代库超越，质疑其在经过十年标准化过程后的价值。

turbovec 是一个开源的 Rust 向量索引，使用 Google Research 的 TurboQuant 算法，实现了16倍压缩，搜索速度比 FAISS 更快，并且集成了 LangChain、LlamaIndex 和 Haystack 等 RAG 框架。

作者详细介绍了 bx 库跨平台 SIMD 抽象的第三次迭代，倡导无类型方法和 SSA 风格编码，以简化不同 CPU 架构上的底层性能优化。

planb-lpm是一个便携式、MIT许可的C++17库，使用线性化B+树和AVX-512 SIMD实现高效的IPv6最长前缀匹配（LPM），支持动态FIB、Python绑定，并针对真实BGP数据进行全面基准测试。

本文探讨了在ARM处理器上使用SIMD指令进行字符匹配的最快方法，比较了传统的NEON方法与现代ARM芯片（如AWS Graviton4、Google Axion等）上可用的较新SVE2能力。

turbovec 是一个基于 Rust 的向量索引，带有 Python 绑定，实现了谷歌的 TurboQuant 算法，提供高效的向量搜索，支持在线摄入，性能优于 FAISS，并具备过滤搜索能力。

该讲座介绍了GPU架构作为SIMD（向量/数组）处理器的灵活演化，讨论了数据并行性、存储体分组、体冲突、串行瓶颈以及SIMD指令历史（如MMX），强调GPU如何利用数据并行性并应对串行瓶颈。