اینتل اخیراً دست به به‌روزرسانی فایل هدر خود برای مرتب سازی مبتنی AVX-512 زده که با اضافه شدن پشتیبانی از SIMD دستورالعمل AVX-512 همراه است. حاصل این آپدیت افزایش 10 تا 17 برابری سرعت مرتب سازی در NumPy است.
جهش کارایی محاسباتی اینتل با AVX-512
آنچه که اینتل با به‌روزرسانی فایل هدر منبع باز خود برای ++C انجام داده، اضافه کردن توانایی‌هایی جدید مبتنی بر AVX-512 است. با این کار امکان استفاده از افزونه‌های 512 بیتی برای دستیابی به کارایی بسیار بالاتر فراهم شده است.
بنچمارک انجام شده با استفاده از کتابخانه پایتون NumPy و یک پردازنده Intel Tiger Lake جهش عظیم کارایی در مرتب سازی داده‌ها را نشان می‌دهد که بین 10 تا 17 برابر بوده است.
بررسی‌ها حاکی از افزایش سرعت مرتب سازی اعداد صحیح 16 بیتی تا 17 برابر، افزایش سرعت داده‌های 32 بیتی تا 13 برابر و افزایش سرعت مرتب سازی آرایه‌های تصادفی 64 بیتی تا 10 برابر است.
این رشد چند صد درصدی کارایی به خوبی قدرت AVX-512 و توانایی آن در افزایش سرعت محاسبات را نشان می‌دهد. برای بهره گیری از مزایایی AVX-512 پشتیبانی در سطح نرم افزاری ضروری است که خوشبختانه در حال رشد است.
باید دقت داشت چنین رشد کارایی بالایی صرفاً در انجام کارهای معین دست یافتنی است. در حقیقت SIMD ها مدارهای دیجیتال ویژه ای هستند که یک عمل مشترک را بر روی دسته ای از داده های مختلف انجام می دهند. اختصاصی بودن آنها برای انجام یک عمل معین، موجب کارایی بالاتر می شود.
AMD هم با ریزمعماری Zen 4 از AVX-512 پشتیبانی می‌کند اما میزان به‌کارگیری آن کمتر از اینتل است.