进程/线程优先级最高
D3DX为D3DX9.LIB链接
vc71-Release默认优化。
SSE的测试数据是128bit对齐，使用movaps指令读取。
预先预热了缓存
Athlon XP 1800+， 512M， WD800JB

前面的数字是RDTSC测试出来的。

8255127     MatrixMultiply   D3DX
8079411     MatrixMultiply   3DNow
101563037  MatrixMultiply   SSE
250227542  MatrixMultiply   C

423771291  Normalize        SSE
31882680    Normalize        3DNow
51605359    Normalize        D3DX

从以上数据我们可以看出，Matrix的乘法运算中，C的速度是最慢的，sse次之。
但是两者与3DNow相差了一个数量级的性能。接下来的Normalize测试也可以看出这一点。

ps，不要怀疑代码的质量，因为这三段代码的相关代码都经过类比的测试，大致可以认为这里面所有的代码质量是类似的。（最关键的是，不是我写的，哈哈！）

所以结论很简单，就是，如果你要针对不同CPU做优化，最好送佛送到西，每一种指令集都进行优化，还有就是不要想当然的认为优化的结果一定就很好，因为CPU对常规指令的执行进行了充分的优化，再加上乱序执行的方式，对于小函数来说，SIMD的额外成本太高了，最明显的就是DotProduct。

所以希望大家测试以后再决定优化的启用。