TL：DR：不要手动使用_mm256_zeroupper()intrinsic，编译器理解SSE/AVX转换的内容，并在需要的地方发出vzeroupper。（包括自动矢量化或扩展memcpy/memset/YMM regs时）
“部分英特尔处理器”是指除至强融核之外的所有处理器。
至强融核（KNL / KNM）没有针对运行传统SSE指令而优化的状态，因为它们纯粹是为运行AVX-512而设计的。传统SSE指令可能总是有错误的依赖项合并到目标中。
在带有AVX或更高版本的主流CPU上，有两种不同的机制：节省肮脏的鞋面（SnB通过Haswell和Ice Lake）或虚假依赖（Skylake）。请参阅Why is this SSE code 6 times slower without VZEROUPPER on Skylake?两种不同风格的SSE/AVX惩罚
有关asm vzeroupper（在编译器生成的机器码中）影响的相关问答：

• Is it useful to use VZEROUPPER if your program+libraries contain no SSE instructions?
• Does Skylake need vzeroupper for turbo clocks to recover after a 512-bit instruction that only reads a ZMM register, writing a k mask?

C或C++源代码中的内部函数

在C/C++源代码中绝对不要使用_mm256_zeroupper()。我们已经决定让编译器在需要的地方自动插入vzeroupper指令，这几乎是编译器能够优化包含intrinsic的函数并仍然可靠地避免转换损失的唯一明智的方法。所有主流编译器都可以自动向量化和/或使用YMM寄存器内联memcpy/memset/array init，因此需要跟踪在此之后使用vzeroupper的情况。
约定是在调用或返回时使CPU处于clean-uppers状态，除非调用按值接受__m256/__m256i/d参数的函数（在寄存器中或根本没有），或返回这样的值时。目标函数（被调用方或调用方）本质上必须是AVX感知的，并且预期脏上状态，因为满的YMM寄存器处于-用作调用约定的一部分。

x86-64 System V在向量寄存器中传递向量。Windows vectorcall也是这样，但最初的Windows x64约定（现在命名为“fastcall”以区别于“vectorcall”）通过隐藏指针在内存中按值传递向量。（这通过使每个arg始终适合8字节槽来优化可变变量函数。）IDK编译Windows非vectorcall调用的编译器如何处理这个问题，他们是否假设函数可能会查看它的args，或者至少在某些时候仍然负责使用vzeroupper，即使它不这样做。可能是的，但是如果您正在编写自己的代码生成后端，或者手写的asm，如果这种情况与您相关，请查看您关心的一些编译器实际上是如何做的。
一些编译器在从一个带向量参数的函数返回之前也会省略vzeroupper，因为调用者显然是支持AVX的。而且关键的是，显然编译器不应该期望调用像void foo(__m256i)这样的函数会让CPU处于clean-upper状态，所以被调用者在这样的函数之后、call printf之前或其他地方仍然需要一个vzeroupper。

编译器具有控制vzeroupper使用的选项

例如，GCC -mno-vzeroupper/clang-mllvm -x86-use-vzeroupper=0（默认值为-mvzeroupper，用于执行上述操作，在需要时使用）。
-march=knl（Knight 's Landing）暗示了这一点，因为它在至强融核CPU上不需要，而且速度非常慢（因此应该积极避免）。
或者如果你用-mavx -mno-veroupper构建libc（和你使用的任何其他库），你可能需要它。glibc有一些手写的asm函数，比如strlen，但是大多数都有AVX 2版本。所以只要你不是在一个只有AVX 1的CPU上，字符串函数的传统SSE版本可能根本就用不到。
对于MSVC，当编译使用AVX内部函数的代码时，你肯定会更喜欢使用-arch:AVX。我认为如果你混合了__m128和__m256而没有/arch:AVX，MSVC的一些版本可能会生成导致转换损失的代码。但是要注意，该选项甚至会使像_mm_add_ps这样的128位内部函数使用AVX编码（vaddps）而不是传统SSE（addps），并允许编译器使用AVX自动矢量化。有一个未公开的开关/d2vzeroupper可启用自动vzeroupper生成（默认），/d2vzeroupper-禁用它-请参见What is the /d2vzeroupper MSVC compiler optimization flag doing?

MSVC和GCC/clang可能被诱骗执行传统SSE编码，该编码写入带有脏上限的XMM寄存器：

编译器启发式可能会假设有一个VEX编码可用于一个函数中的任何指令，该函数肯定（无条件地）已经执行了AVX指令。有些，如cvtpi2ps xmm, mm（MMX+SSE）或movqd2d xmm, mm（SSE 2）没有VEX格式，也没有_mm_sha1rnds4_epu32-它是在Silvermont-family上首次引入的，该fix直到Gracemont（桤木Lake）才支持AVX，因此它是以128位非VEX编码引入的，但仍然没有VEX编码。

#include <immintrin.h>

void bar(char *dst, char *src)
{
      __m256 vps = _mm256_loadu_ps((float*)src);
      _mm256_storeu_ps((float*)dst, _mm256_sqrt_ps(vps));

#if defined(__SHA__) || defined(_MSC_VER)
        __m128i t1 = _mm_loadu_si128((__m128i*)&src[32]);
                 // possible MSVC bug, writing an XMM with a legacy VEX while an upper might be dirty
        __m128i t2 = _mm_sha1rnds4_epu32(t1,t1, 3);  // only a non-VEX form exists
        t1 = _mm_add_epi8(t1,t2);
        _mm_storeu_si128((__m128i*)&dst[32], t1);
#endif
#ifdef __MMX__  // MSVC for some reason dropped MMX support in 64-bit mode; IDK if it defines __MMX__ even in 32-bit but whatever
        __m128 tmpps = _mm_loadu_ps((float*)&src[48]);
        tmpps = _mm_cvtpi32_ps(tmpps, *(__m64*)&src[48]);
        _mm_storeu_ps((float*)&dst[48], tmpps);
#endif

}

(This使用SHA或cvtpi2ps并不明智，只是随机使用vpaddb强制执行一些额外的寄存器复制。）

一个月一次

# clang -O3 -march=icelake-client
bar(char*, char*):
        vsqrtps ymm0, ymmword ptr [rsi]
        vmovups ymmword ptr [rdi], ymm0   # first block, AVX1

        vmovdqu xmm0, xmmword ptr [rsi + 32]
        vmovdqa xmm1, xmm0
        sha1rnds4       xmm1, xmm0, 3     # non-VEX encoding while uppers still dirty.
        vpaddb  xmm0, xmm1, xmm0
        vmovdqu xmmword ptr [rdi + 32], xmm0

        vmovups xmm0, xmmword ptr [rsi + 48]
        movdq2q mm0, xmm0
        cvtpi2ps        xmm0, mm0         # again same thing
        vmovups xmmword ptr [rdi + 48], xmm0
        vzeroupper                        # vzeroupper not done until here, too late for code in this function.
        ret

MSVC和GCC基本相同（尽管GCC在这种情况下优化了MMX寄存器的使用，使用vcvtdq2ps/vshufps，但这种情况可能不会经常发生）。
这些是编译器错误，应该在编译器中修复，但是如果需要，您可以在特定情况下使用_mm256_vzeroupper()解决这些错误。
通常情况下，编译器启发式工作良好;例如，如果函数中后面的代码可能有条件地运行常规指令（如paddb）的传统SSE编码，则if(a) _mm256...的asm块将以vzeroupper结束。（这仅在MSVC中可能; gcc/clang要求使用__attribute__((target("avx")))或"avx2"编译包含AVX 1/ 2指令的函数，这使得它们可以在函数中的任何地方使用vpaddb作为_mm_add_epi8。您必须在每个函数级别上基于CPU特性进行分支/分派，这是有意义的，因为通常您希望使用AVX运行整个循环。）

AVX -〉SSE惩罚（不归零）适用于当前处理器。参见Intel® 64 and IA-32 Architectures Optimization Reference Manual, June 2021。
然而，在C/C++代码中缺少_mm256_zeroupper()并不一定是个问题。编译器可能会自己插入它。所有编译器都会：https://godbolt.org/z/veToerhvG
实验表明，自动vzeroupper插入在VS 2015中有效，但在VS 2012中无效