在稠密向量检索、离线聚类以及近邻图构建等场景中，全对全欧氏距离矩阵的计算是核心计算瓶颈。最直观的实现莫过于编写多层循环对两组向量逐元素求差并平方累加。然而在现代多核处理器上，这种朴素实现在性能剖析器下往往呈现出典型的病态特征：即便通过 OpenMP 将所有硬件线程跑满，处理器的指令每周期执行数（IPC）往往低至 0.4 左右，计算吞吐仅有几十至上百 GFLOPS，不足硬件理论浮点峰值的 3%；与此同时，末级缓存（LLC）缺失率居高不下，主内存总线带宽几乎饱和。这一现象的根因在于计算逻辑撞上了体系结构中的内存墙。朴素距离累加算法的算术强度仅为 0.25~0.5 FLOP/Byte，计算核心绝大多数周期都在停顿等待 DRAM 数据的搬运。工业级向量计算库（如 Faiss）的破局之道，在于利用代数恒等式将两两距离展开为“查询范数 + 底库范数 - 2 × 点积”的三段式结构，将访存受限的两两求差跃迁为算力密集的通用矩阵乘法（GEMM），配合分块调度将算术强度提升数个数量级。但在遵循 IEEE 754 标准的离散浮点体系下，大模长近邻的展开式计算极易引发灾难性相消，导致距离平方计算出负值。将批量欧氏距离重构为矩阵分解，核心是以范数预计算和点积矩阵化打破内存带宽瓶颈，同时必须在运行时防范浮点相消导致的数值畸变。本文剖析 Faiss 中pairwise_L2sqr的范数复用与零堆分配内存布局，推导sgemm_列优先转置映射模型，解析exhaustive_L2sqr_blas_tiles基于多级 CPU 缓存与 TLB 覆盖的分块参数设定，并量化小批量与极低维度下矩阵分解退化的工程边界。内存墙瓶颈
