SSE 4.1有一条指令几乎可以做你想做的事情。它的名字是PHMINPOSUW，C/C++内部函数是_mm_minpos_epu16。它被限制为16位无符号值，并且不能给予最大值，但是这些问题可以很容易地解决。
1.如果你需要找到非负字节的最小值，什么也不做。如果字节可能是负的，给每个字节加上128。如果你需要最大值，从127减去每个字节。
1.使用_mm_srli_pi16或_mm_shuffle_epi8，然后使用_mm_min_epu8来获取某个XMM寄存器的偶数字节中的8个成对最小值和奇数字节中的零。（这些零由移位/混洗指令产生，并且应该保留在_mm_min_epu8之后的位置）。
1.使用_mm_minpos_epu16查找这些值中的最小值。
1.用_mm_cvtsi128_si32提取得到的最小值。
1.撤消步骤1的效果以获得原始字节值。
下面是返回最多16个有符号字节的示例：

static inline int16_t hMax(__m128i buffer)
{
    __m128i tmp1 = _mm_sub_epi8(_mm_set1_epi8(127), buffer);
    __m128i tmp2 = _mm_min_epu8(tmp1, _mm_srli_epi16(tmp1, 8));
    __m128i tmp3 = _mm_minpos_epu16(tmp2);
    return (int8_t)(127 - _mm_cvtsi128_si32(tmp3));
}

我建议作出两项修改：

• 将((int8_t*) ((void *) &buffer))[0]替换为_mm_cvtsi128_si32。
• 将_mm_shuffle_epi8替换为_mm_shuffle_epi32/_mm_shufflelo_epi16，它们在最新的AMD处理器和Intel Atom上具有更低的延迟，并将保存内存加载操作：

static inline int16_t hMin(__m128i buffer)
{
    buffer = _mm_min_epi8(buffer, _mm_shuffle_epi32(buffer, _MM_SHUFFLE(3, 2, 3, 2)));
    buffer = _mm_min_epi8(buffer, _mm_shuffle_epi32(buffer, _MM_SHUFFLE(1, 1, 1, 1)));
    buffer = _mm_min_epi8(buffer, _mm_shufflelo_epi16(buffer, _MM_SHUFFLE(1, 1, 1, 1)));
    buffer = _mm_min_epi8(buffer, _mm_srli_epi16(buffer, 8));
    return (int8_t)_mm_cvtsi128_si32(buffer);
}

这是一个没有shuffle实现，由于某种原因，Shuffle在AMD5000Ryzen7上运行速度很慢

float max_elem3() const {
        __m128 a = _mm_unpacklo_ps(mm, mm); // x x y y
        __m128 b = _mm_unpackhi_ps(mm, mm); // z z w w
        __m128 c = _mm_max_ps(a, b); // ..., max(x, z), ..., ...
        Vector4 res = _mm_max_ps(mm, c); // ..., max(y, max(x, z)), ..., ...
        return res.y;
    }

    float min_elem3() const {
        __m128 a = _mm_unpacklo_ps(mm, mm); // x x y y
        __m128 b = _mm_unpackhi_ps(mm, mm); // z z w w
        __m128 c = _mm_min_ps(a, b); // ..., min(x, z), ..., ...
        Vector4 res = _mm_min_ps(mm, c); // ..., min(y, min(x, z)), ..., ...
        return res.y;
    }