我尝试在 Xeon E5 和 Xeon Phi 上运行 1,000,000,000 次 for 循环，并测量时间来比较它们的功效，我很惊讶我得到了以下结果：
谁能告诉我为什么我的疗效不好？关于建筑或任何其他？
为什么我在 Xeon Phi 上的效果不好？我对 for 循环什么都不做。如果我的 Xeon Phi 协处理器没有任何问题，那么 Xeon Phi 的哪些工作很棒？一定要矢量化？如果不是矢量化，我可以在 Xeon Phi 上做任何事情，使用它的线程来帮助我吗？
关键是你说“我在 for 循环中什么都不做”。（如果我错了，请纠正我。）
由于 Xeon Phi 创建时的实际限制，其内核基于具有各种增强功能的 Pentium 代机器，例如双问题、每个内核 4 个线程和 512 位矢量引擎。因此，如果您只运行标量代码，它就像奔腾一样运行。
您需要运行高度并行且高度可向量化的代码。如果每个内核上运行的线程能够共享内核的管道而没有太多争用，例如 DGEMM，并利用缓存结构，那就更好了。
通过运行一个简单的基准测试，您基本上是在比较两种架构（至强和至强融核）上的代码执行开销。代码开销通常是标量的。
这是一个夸张的插图，让我们更倾向于视觉化。
|<--Ovr-->|<--工作--------------->| 重复 10^6 次 //至强服务器
|<-----Ovr----->|<-工作->| 重复 10^6 次 //Xeon Phi
其中“Ovr”是开销，“Work”是您的高度线程化和矢量化的工作负载。
如果您有“工作”要做，那么至强融核会做得更好。如果你去掉“工作”，只留下开销，至强会做得更好。
Xeon Phi 很烂。在适度并行的应用程序中，传统的 xeon 胜过 xeon Phi，而在大规模并行的应用程序中，GPGPU 占据主导地位。当您可以完美地并行化和矢量化您的应用程序时，至强融核只有微不足道的竞争力，如果其中任何一个都不完美，忘记至强融核。
编辑：xeon phi 比传统 xeon 更差或比 GPGPU 更差的一些示例：
blog.xcelerit.com/intel-xeon-phi-vs-nvidia-tesla-gpu/
首先，您必须利用整个芯片，即也利用 SIMD 单元。其次，为了利用 Xeon Phi 处理器，流水线不能保持空闲状态，即流水线内必须始终有足够的指令。在您的基准测试中，没有发出任何指令，因此您基本上测量了一个空循环的启动（可能已由您的编译器优化），并且由于 CPU 的时钟更高，因此在 CPU 上运行得更快。
此外，在我的基准测试中，我发现 Xeon Phi 的性能对最内层循环（在 SIMD 单元上运行）的长度非常敏感。