用sse表现内在函数

我目前正在开始使用SSE.
我之前关于SSE( Mutiplying vector by constant using SSE)的问题的答案让我想到了测试使用像_mm_mul_ps()这样的内在函数和使用’常规运算符'(不确定最佳术语是什么)之类的区别*.

所以我写了两个测试用例,只是计算结果的方式不同：
方法1：

int main(void){
    float4 a,b,c;

    a.v = _mm_set_ps(1.0f,2.0f,3.0f,4.0f);
    b.v = _mm_set_ps(-1.0f,-2.0f,-3.0f,-4.0f);

    printf("method 1n");
    c.v = a.v + b.v;      // <---
    print_vector(a);
    print_vector(b);
    printf("1.a) Computed output 1: ");
    print_vector(c);

    exit(EXIT_SUCCESS);
}

方法2：

int main(void){
    float4 a,-4.0f);

    printf("nmethod 2n");
    c.v = _mm_add_ps(a.v,b.v);      // <---
    print_vector(a);
    print_vector(b);
    printf("1.b) Computed output 2: ");
    print_vector(c);

    exit(EXIT_SUCCESS);
}

两个测试用例共享以下内容：

typedef union float4{
    __m128  v;
    float   x,y,z,w;
} float4;

void print_vector (float4 v){
    printf("%f,%f,%fn",v.x,v.y,v.z,v.w);
}

所以要比较为我编译的两种情况生成的代码：
gcc -ggdb -msse -c t_vectorExtensions_method1.c

结果导致(仅显示添加两个向量的部分 – 不同)：
方法1：

c.v = a.v + b.v;
  a1:   0f 57 c9                xorps  %xmm1,%xmm1
  a4:   0f 12 4d d0             movlps -0x30(%rbp),%xmm1
  a8:   0f 16 4d d8             movhps -0x28(%rbp),%xmm1
  ac:   0f 57 c0                xorps  %xmm0,%xmm0
  af:   0f 12 45 c0             movlps -0x40(%rbp),%xmm0
  b3:   0f 16 45 c8             movhps -0x38(%rbp),%xmm0
  b7:   0f 58 c1                addps  %xmm1,%xmm0
  ba:   0f 13 45 b0             movlps %xmm0,-0x50(%rbp)
  be:   0f 17 45 b8             movhps %xmm0,-0x48(%rbp)

方法2：

c.v = _mm_add_ps(a.v,b.v);
  a1:   0f 57 c0                xorps  %xmm0,%xmm0
  a4:   0f 12 45 a0             movlps -0x60(%rbp),%xmm0
  a8:   0f 16 45 a8             movhps -0x58(%rbp),%xmm0
  ac:   0f 57 c9                xorps  %xmm1,%xmm1
  af:   0f 12 4d b0             movlps -0x50(%rbp),%xmm1
  b3:   0f 16 4d b8             movhps -0x48(%rbp),%xmm1
  b7:   0f 13 4d f0             movlps %xmm1,-0x10(%rbp)
  bb:   0f 17 4d f8             movhps %xmm1,-0x8(%rbp)
  bf:   0f 13 45 e0             movlps %xmm0,-0x20(%rbp)
  c3:   0f 17 45 e8             movhps %xmm0,-0x18(%rbp)
/* Perform the respective operation on the four SPFP values in A and B.  */

extern __inline __m128 __attribute__((__gnu_inline__,__always_inline__,__artificial__))
_mm_add_ps (__m128 __A,__m128 __B)
{
  return (__m128) __builtin_ia32_addps ((__v4sf)__A,(__v4sf)__B);
  c7:   0f 57 c0                xorps  %xmm0,%xmm0
  ca:   0f 12 45 e0             movlps -0x20(%rbp),%xmm0
  ce:   0f 16 45 e8             movhps -0x18(%rbp),%xmm0
  d2:   0f 57 c9                xorps  %xmm1,%xmm1
  d5:   0f 12 4d f0             movlps -0x10(%rbp),%xmm1
  d9:   0f 16 4d f8             movhps -0x8(%rbp),%xmm1
  dd:   0f 58 c1                addps  %xmm1,%xmm0
  e0:   0f 13 45 90             movlps %xmm0,-0x70(%rbp)
  e4:   0f 17 45 98             movhps %xmm0,-0x68(%rbp)

显然,使用内在_mm_add_ps()时生成的代码要大得多.为什么是这样？它不应该导致更好的代码？