Rust 的 SIMD 生态在这一年明显成熟，但成熟的是 crate 层，标准库仍然停在原地。std::simd 至今只有 nightly 能用，且还在陆续出现破坏性 API 改动，跟踪 issue 已经开到 #86656。能在稳定版上落地的是几条替代路线，fearless_simd 和 wide 都在近期发布了 1.0，pulp 和 macerator 各有各的取舍。选型不取决于哪个抽象更好看，而取决于目标机器的指令集覆盖率和能不能接受 nightly。
为什么默认编译器不够用
x86_64 的默认编译目标只保证 SSE2。它是 2000 年出世的指令集，四路单精度浮点就是上限。想用上 2013 年问世的 AVX2，必须在编译期或运行期显式开启。
一次编译内核定目标的写法最简单，把目标特性写进 RUSTFLAGS 就行。
RUSTFLAGS='-C target-cpu=x86-64-v3' cargo build --release代价是产出的二进制不能在老 CPU 上跑。Firefox 的硬件调查显示，2026 年仍有约 15% 的 x86 机器没有 AVX2。这个比例做桌面浏览器不能忽略，写库就更不能忽略。
运行时检测多版本是库的标准做法。multiversion crate 用一个属性宏就够，标注在函数上，编译期生成多个分支，加载时按当前 CPU 挑一个。
#[multiversion(targets = "simd")]
fn process(data: &mut [f32]) { /* ... */ }它的开销小于十几条指令，但函数太小的时候这部分开销会吃掉收益。AVX-512 那一侧还有个坑，multiversion 只检测指令集存在，不检测它在当前机器上是不是真的快。
五条路线各卡在哪
可移植向量抽象有五个主要选择，问题都不在抽象层，而在生成代码。
std::simd 的问题最多。它依赖的 LLVM 能力跟不上，某个操作没有对应 LLVM 指令时，它会静默生成一个标量循环，跑起来不报错，性能却完全不是向量化的。对一个性能组件来说，这种静默退化比直接编译失败更危险。sin() 和 reduce_sum() 的性能和精度也明显差。
fearless_simd 的思路是让函数不绑定具体位宽，写成泛型，由调用方决定实际用哪个指令集。
#[simd]
fn dot<S: Simd>(simd: S, a: &[f32], b: &[f32]) -> f32 { /* ... */ }wide 已经 1.0，但和 multiversion 根本不兼容，也不支持泛型。pulp 的安全用法是建一个上下文，把整个热循环包进去，这个问题连它自己的文档都没写清楚。macerator 除了 burn 之外在 crates.io 上几乎没人用，AVX-512 路径还要 nightly。
还有一条路是完全绕开抽象，直接写 std::arch 的 intrinsics。Rust 1.87 之后，不接收指针参数的 intrinsics 可以从安全代码里调用，但加载和存储仍然是 unsafe。intrinsics 的最大问题是和编译器优化存在结构性冲突，LLVM、GCC、MSVC 都有过把向量 shuffle 优化成旧指令集操作的 bug。
硬件画像比抽象层更决定性能
选型前先把目标机器的指令集分布摸清。Steam 的硬件调查里约 23.9% 的系统有 AVX-512，这是消费级装机里相当可观的比例。
AVX-512 的坑在早期 Intel 上，重度使用会拉低全核频率，2019 年的 Ice Lake 才修好这件事。AMD Zen 4 没有原生 512 位，靠两条 256 位拼，实测仍然胜过 Intel 的原生 512 位。Zen 5 才有了原生 512 位。
LLVM 对 gather 和 scatter 的处理也很糟，Intel 上自动向量化后慢 1.75 倍，AMD 上慢 4 倍。这类操作写 intrinsics 不如改写算法避开。
ARM 一侧，SVE2 现在成了 ARM CPU 的强制要求，但位宽只有 128 位，和 NEON 拉不开差距。
选型建议
按约束选，不按名声选。
- 只在自己控制的机器上跑，直接
-C target-cpu=native或写死目标特性，别引入依赖。 - 要发布库给陌生人用，
multiversion加一个可移植抽象是当前最稳的组合。 - 团队能接受 nightly 且愿意追上游，
std::simd长期最正统，眼下要自己兜住静默退化的问题。 - 只服务一台已知 CPU，手写 intrinsics 并留汇编出口，瓶颈不在抽象上。
- 手写多版本目标串时注意，AVX-512 那一串特性名极长，抄漏一个就白写。
常见问题
为什么不用 C 的 SIMD 库？ 能用的前提是接受自己包一层 FFI。Rust 侧的安全保证到边界就断了。
自动向量化完全不能信？ 简单循环可以交给它，gather、scatter、reduction 和有别名的循环一定要看生成的汇编。
怎么确认没被静默退化？ 写一个能复现的基准，把吞吐和你手算的理论上限对一遍。差一个数量级基本就是没向量化。