快速傅里叶变换(FFT)在很多行业都是常用算法 为什么 intel/amd 这些 cpu 厂商没有为这个算法开发专用指令集

因为 FFT 本来就已经非常快了，在 CPU 上随便吊打 DSP ，即使 DSP 有 FFT 加速指令，但是 CPU 凭借几十 W 的功耗，轻松吊打 DSP 。

aes 这类算法是因为很多场景确实需要快速计算
傅里叶我想象不出有什么场景有这个需求, 就算有估计也是小众需求,不值得专门搞吧

OT：matlab 里面确实是一条指令~~~

确实
@rekulas aes 基本上每个联网的机器都会一直用到 fft 就不是 而且 fft 处理的数据量也不大

FFT 主要用在信号处理里吧。加密算法你每天上网都要用到（ TLS ），但信号处理应该不是什么需要持续做的事情吧

AES-NI 只是把 AES 中的一部分做成了指令，作用一次 AES PRP 需要调用指令多次，每个指令的参数也是定长的。特别地，并不是一个指令就可以加密任意长的字节数组。

类似的思路运用到 FFT 上，首先需要找出 FFT 中反复用到的同类、定长参数的步骤，然后做成指令，一通分析之后可能会发现没有很好的除了加法、乘法、求余数之外的很好的抽象层。

1 、FFT 的硬实现已经做进各类硬件了，比如音视频硬 codec 、DSP 、无线网卡、射频/基带芯片等等。
2 、FFTW 之类的库已经足够快了，做成硬件指令不划算。
3 、FFT 的变体非常多，效率与问题规模有关，与其做成通用指令，不如直接做进应用场景，针对性优化。

FFT 变体很多很灵活，要全支持很麻烦，让上层软件去写 SIMD 更划算。
比如苹果的 vDSP： https://developer.apple.com/documentation/accelerate/fast-fourier-transforms

别说 FFT ，连复数的表示都没统一。

做 1 维 FFT ，做不做 2 维？做 2 维 FFT ，做不做 2 维 DCT ？做不做三维 FFT ？做不做任意维度 FFT ？

做了 float 还需要做 double ，那做不做 80 位的浮点？

@passive 然后要不要再做个 ntt

@soul11201 matlab 是纯软件吧？这里说的是硬件呢

FFT 是矩阵乘法算子，但是会形成复数，所以一般都用 DCT 。用 CUDA 会需要把数据拷来拷去，并且一般矩阵纬度不大，杀鸡焉用牛刀

有些指令看似个新的，也是几个指令拼起来的

优化过一次 NTT （可以理解为 FFT 的变种），这玩意儿的问题在于，它里面的计算不是固定的……原根可以取不一样的，模数可以取不一样的，乘法可以用几种不同的方法实现，输入格式也很灵活。