请问有谁用过SSE指令进行优化吗？

[rh386]

请教，有那位用过SSE的intrinsic指令进行C++程序优化吗？
想问个问题：

程序段：
_MM_ALIGN16 float input1[4] = { 1.2f, 3.5f, 1.7f, 2.8f };
_MM_ALIGN16 float input2[4] = { -0.7f, 2.6f, 3.3f, -0.8f }
_MM_ALIGN16 float output[4];
__m128 am,bm,tm;

for(int l = 0; l < 100; l++) {
for(int k = 0; k < 2000; k++) {
for(int j = 0; j < 2000; j++) {
am = _mm_load_ps(input1);
bm = _mm_load_ps(input2);
tm = _mm_mul_ps(am, bm);
_mm_store_ps(output, tm);}}}
和
_MM_ALIGN16 float input1[4] = { 1.2f, 3.5f, 1.7f, 2.8f };
_MM_ALIGN16 float input2[4] = { -0.7f, 2.6f, 3.3f, -0.8f };
_MM_ALIGN16 float output[4];

for(int l = 0; l < 100; l++) {
for(int k = 0; k < 2000; k++) {
for(int j = 0; j < 2000; j++) {
__m128 am = _mm_load_ps(input1);
__m128 bm = _mm_load_ps(input2);
__m128 tm = _mm_mul_ps(am, bm);
_mm_store_ps(output, tm); }}}

相比较只有SSE寄存器声明使用上的差别，但速度却慢得多，什么道理？
另外对SSE寄存器的使用有什么限制（指intrinsic中）？
谢谢