vpclmulqdq指令有四个操作数，pclmulqdq有三个操作数，因此我认为可以使用vpclmulqdq代替movdqa + pclmulqdq，但实验结果会变慢。
但是，当我使用vpaddd代替movdqa + paddd时，我的结果会更快。所以我对这个问题感到困惑。代码使用paddd这样的说明：
movdqa %xmm0, %xmm8 # slower
movdqa %xmm0, %xmm9
movdqa %xmm0, %xmm10
movdqa %xmm0, %xmm11
paddd (ONE), %xmm8
paddd (TWO), %xmm9
paddd (THREE), %xmm10
paddd (FOUR), %xmm11
vpaddd (ONE), %xmm0, %xmm8 # faster
vpaddd (TWO), %xmm0, %xmm9
vpaddd (THREE), %xmm0, %xmm10
vpaddd (FOUR), %xmm0, %xmm11
代码使用pclmulqdq指令，如：
movdqa %xmm15, %xmm1 # faster
pclmulqdq $0x00, (%rbp), %xmm1
aesenc 16(%r15), %xmm8
aesenc 16(%r15), %xmm9
aesenc 16(%r15), %xmm10
aesenc 16(%r15), %xmm11
movdqa %xmm14, %xmm3
pclmulqdq $0x00, 16(%rbp), %xmm3
aesenc 32(%r15), %xmm8
aesenc 32(%r15), %xmm9
aesenc 32(%r15), %xmm10
aesenc 32(%r15), %xmm11
vpclmulqdq $0x00, (%rbp), %xmm15, %xmm1 # slower
aesenc 16(%r15), %xmm8
aesenc 16(%r15), %xmm9
aesenc 16(%r15), %xmm10
aesenc 16(%r15), %xmm11
vpclmulqdq $0x00, 16(%rbp), %xmm14, %xmm3
aesenc 32(%r15), %xmm8
aesenc 32(%r15), %xmm9
aesenc 32(%r15), %xmm10
aesenc 32(%r15), %xmm11
其他问题：当我使用未对齐的数据时，如何编写pxor (%rdi), %xmm0等代码？（编辑注释：因为it's a separate question已从标题中移除而且因为那里＆除了为循环的主要部分对齐指针之外，没有更好的答案。）
我的数据有16位（2字节）对齐。但有时我需要加载数据然后执行xor操作。所以我不能写这样的代码：
pxor (%rdi), %xmm8 # would segfault from misaligned %rdi
pxor 16(%rdi), %xmm9
pxor 32(%rdi), %xmm10
pxor 48(%rdi), %xmm11
我改变了我的代码，现在代码是正确的，但我认为效率可能不是很高，所以我该怎么办？
movdqu (%rdi), %xmm0
movdqu 16(%rdi), %xmm13
movdqu 32(%rdi), %xmm14
movdqu 48(%rdi), %xmm15
pxor %xmm0, %xmm8
pxor %xmm13, %xmm9
pxor %xmm14, %xmm10
pxor %xmm15, %xmm11