2007年11月，英特尔将会发布一系列新处理器产品，其中将会包括用于双路服务器的xeon系列处理器和用于高端pc的处理器，它们均采用了目前最先进的采用了45nm制程技术，戈登?摩尔先生给予了这项技术极高的评价：“采用高-k栅介质和金属栅极材料，是自上世纪60年代晚期推出多晶硅栅极金属氧化物半导体（mos）晶体管以来，晶体管技术领域里最重大的突破！”我们将通过一系列的文章帮助读者提前了解这一技术和相关的产品。
【it168评测中心】自从2007年idf透露了45nm penryn处理器发布计划之后，penryn的各种消息也不断地传出，这款基于45nm技术的处理器除了工艺上的进步之外，还有着架构的变动、指令集的更新，这符合着intel一段时间（每2年）内就要对处理器进行一次较大的改进的习惯。
penryn处理器搭载了最新的sse4指令集，sse4（streaming simd extensions 4）是英特尔自从sse2之后对isa扩展指令集最大的一次的升级扩展，它将会随着penryn处理器陆续应用于台式机平台、移动平台和服务器中。据目前所致，sse4包括大约50条新指令，penryn通过这些新指令集，增强了从媒体应用到高性能计算应用领域的性能，同时还利用一些专用电路实现对于特定应用加速。
其实ia32架构上不断增加的指令集都是面向多媒体应加速而来，因为在多媒体环境下需要处理大量重复的数据，因此自mmx开始，cpu厂商就开始新增simd(single instruction multiple data)多媒体指令集，可以在单一指令内完成多个批次性的数据处理，从而大大提升多媒体数据处理能力，让我们先来看看simd扩展指令集的简单历史。
自从intel在p55c pentium加入mmx(multimedia extensions)指令以来，x86指令集就不断得到扩充，3d now!之类的扩展集时有出现。这些指令集主要都是通过simd的方式来提升多媒体数据处理能力。
指令数量达到57条的mmx扩展集属于侧重整数运算的扩展指令集，除了整数运算，浮点运算也是非常重要的，intel在1999年首次在pentium iii处理器中引入了sse(streaming simd extensions)扩展指令集来增强x86架构的浮点运算能力，sse初代包括了70条新指令，其中包含提高3d图形运算效率的50条simd（单指令多数据技术）浮点运算指令、12条mmx 整数运算增强指令、8条优化内存中连续数据块传输指令。
在sse之后intel很快在2000年的willamette pentium 4中推出了sse2指令集，这个指令集的指令数目达到了非常之多的144条，用于提升双精度向量运算能力和128位向量整数运算能力，可见sse指令集也并不是仅仅包括浮点运算的，sse可以做看作是ia32架构按照形势需要而作的不断扩充。
在2000年推出sse2之后，intel很久没有进行这方面的大扩充了，在2004年增加的sse3只包括了13条新指令（首先在prescott pentium 4中出现），2006年增加的ssse3(supplemental streaming simd extensions 3)只包括32条新指令（首先在core 2 duo上出现），前者主要提升复数运算性能，后者主要改进了解码性能，或许是由于提前发布的缘故（原来计划包括在sse4中），ssse3并没有采用sse4这样的命名。
从指令数目上看，sse4的47条也是2000年来最多的变化，同时，sse4中增加了的指令改进了整数和浮点操作，支持dword和qword操作，新的单精度fp操作、快速寄存器操作、面向性能优化的内存操作等等，包括了图形、图像、数据装载各方面的革新，因此称其为sse2以来最大的指令集变动也是不为过的。利用支持sse4指令集的编译器编译之后，包括图形/图像处理、视频处理、2d/3d创作、多媒体、游戏、内存敏感负载、高性能计算等应用都会受益。
sse4指令集的具体指令如下图所示，按照目前的资料，sse4指令集还将分为两个版本：4.1和4.2，sse4.1版本将随着45nm penryn发布，而sse4.2版本将会随着penryn的下一代nehalem发布，4.1将包括47条指令，4.2将包括7条指令，因此下图的指令数目实际上并不是47，未来的sse4.2指令数目也可能会有变动。
对于nehalem的sse4.2，intel的gelsinger介绍说，这7条指令集的用途各有不同，比如有面向crc-32和pop counts等特定应用的，有特别针对xml等的流式指令。gelsinger称，新指令集可以将256条指令合并在一起执行，从而让xml类工作的性能提高3倍。
sse4――penryn搭载的sse4.1指令集主要分为三个部分，分别是sse4视频编码加速部分、sse4图形加速部分和sse4流加载部分，其中sse4视频编码加速部分包括了14条指令，用于加速4x4绝对差和、子像素过滤一击数据查找方面的性能。
在进行视频编码时，需要进行大量的motion estimation（动态预测），动态预测是视频编码过程中极其重要的一个环节，它的算法效率对整个编码效率有很大的影响，而这个动态预测需要进行大量的sad（sums of absolute difference，差分绝对值和）的运算，该运算是大部分视频编码算法中运动估计一步常采用的方法。sad算法将会在相邻两个连续视频帧中找出一个大块的运动情况，以纪录其运动数据代替纪录像素数据而节约存储容量、压缩视频。为此，sad需要计算两个大块中每一组对应的像素值之间绝对差值的累加和。这本身就是一个非常复杂的大数据量运算动作，即使依靠simd指令的一条指令就处理大量数据的优势，要组合成sad操作代码也需要大量的指令。
现在，sse4指令集内特别加入了sad加速运算指令，只需要一条指令就可以快速高效地完成这些工作。例如，在sse4之前，一个sad工作代码如下：
非常的冗长繁琐，而在有了sse4之后，这些指令就可以简化为一条指令：
mpsadbw xmm0,xmm1,0
简化量是非常巨大的。而在复杂的动态预测程序中，要执行复杂的sad代码，这时sse4还可以额外提供更高的方便性：
ssse3可以看作是sse4的一个提前“泄露”的子集，同样的工作，右边的sse4代码无疑要比ssse3更为简捷。
sse4当中还加入了快速查找的指令，虽然并不仅仅是视频编码才能具有作用，然而对于整位像素和子像素运动估计方面具有特别好的效果，如下图的指令可以在8个元素中找到最小的一个元素，并找到其位置：
在intel的sse4展示当中，使用搭载sse4指令集的2.66g wolfdale core 2系统对比2.33g core 2 duo e6550进行pegasys tmpgenc 4.0 xpress hdtv编码，最后得到了55%的性能提升，其中加速的sad处理和快速查找在各自的领域的性能提升达到了2~3倍，sse4指令集的作用可见一斑：
其中，cpu的频率提升只有14%，总应用程序提升却达到了55%，这就是sse4视频编码加速指令的作用了。
sse4图形加速部分包括了32条指令，包括了图形构造上的大量基本操作指令：点积、双字节乘积、非单位步长存取等，并对现有指令的交叉支持改进了编译器的向量化，这部分指令相当于重新提供了一个向量化的图形操作基础，可以极大地提升处理器在图形处理方面的能力。
32条指令具体划分6个部分：
12条32位向量整数操作，用于提供快速的向量整数运算
7条非单位步长存取操作，提供快速的向量载入/保存
2条点积操作，在构造阵列（array-of-structures）运算中可以提供非常快的点积运算能力
6条变量及立即混合，用于提升传统simd代码的性能
1条早期参量输出，可以快速测试128-bit宽度数据
4条浮点取整，用于如floor()、ceil()，nint()，nearbyint()这些经常用到的高级语言代码，提高他们的性能
作为例子，32位向量整数操作指令是当前编程语言原语的向量版本，包括了双字节乘、填充双字节最小值/最大值、dword到word组转换、qword比较等指令，右下显示了dword到word组转换使用sse2和sse4指令分别编写的情形：sse4只需要1条，而sse2需要11条。
sse4流加载部分虽然只有一条指令，不过其确实具有相当重要的地位。在现有的平台当中，cpu使用write combining技术可以实现很高带宽的写入操作，可以通过mmio的方式将图形数据很快地写入到write combining缓存并迅速写入内存当中，然而读取却是非常的缓慢，因为write combining缓存的读取是缓慢的（没有read combining）……读取带宽被限制为800mb/s。
streaming load技术就是为了解决这个问题，它提供了一个16位对齐的加载指令，可以快速地对write combining内存进行操作，可以以高达8gb/s的速率加载数据至cpu（sse4架构新增加了一个内部临时缓存来存放这些数据），从而大大提升了gpu-cpu之间的数据带宽，在现在gpu越来越强大、数据流量越来越大的情形下，这是非常必要的。
最后，虽然这个streaming load是以视频加速为例子，实际上它的工作方式对其他外设也是有用的，这是一个通用性的提高wc内存读取速度的技术。
45nm技术内部结构的更新无疑会带来更快的性能，然而sse4指令的引入带来的提升更加巨大，据intel资深工程师兼 penryn微架构主管 stephen fischer表示，全新 divx alaph内部测试版本已完全支持sse4指令集， 1颗3.33ghz的yorkfield的运算效能，相比上代intel core 2 duo qx6800快约105% ，其中约7成的增益来自sse4指令集，这可以看出新指令集的效率的确不凡。其它不同的编码测试也得到了相似的结果。
并且，作为45nm处理器基础架构的一部分，所有penryn核心处理器都会具有这个指令集，这意味着即使是使用其中最低端的、廉价的“celeron”版本，也能享受到新指令集带来的益处，并且也不用付出特别的代价，这也是新技术带给用户的实际益处。
我们可以看到，即使是在未完全优化的工程样板cpu和配合的测试版本软件当中，新指令集的效能也令人满意，毕竟sse4指令集就是设计用来提升视频、图像运算性能的，剩下的问题就是如何发挥sse4的力量的问题了。按照惯例，intel会在cpu推出的时候在自家的intel c/c++和fortran编译器上提供支持，也会提供相关的文档、sdk工具，凭着intel的号召力以及sse4本身性能上的提升带来的吸引力，而且由于当前高清晰视频流行，这些对性能不断提升的需求，更会形成一种拉力，sse4的前景良好。
