凭直觉回答这些问题是非常困难的，即使你有堆积如山的经验。这就是为什么你应该尝试这两种方法，并分析结果。让我们比较以下简单的4x4矩阵乘法函数：

void Mat4Mult_Dest(mat4_t* out, const mat4_t* in1, const mat4_t* in2) {
    for (int i = 0; i < 4; ++i) {
        for (int j = 0; j < 4; ++j) {
            out->m[i][j] = 0;
            for (int k = 0; k < 4; ++k) {
                out->m[i][j] += in1->m[i][k] * in2->m[k][j];
            }
        }
    }
}

mat4_t Mat4Mult_Ret(const mat4_t* in1, const mat4_t* in2) {
    mat4_t out = {0};
    for (int i = 0; i < 4; ++i) {
        for (int j = 0; j < 4; ++j) {
            out.m[i][j] = 0;
            for (int k = 0; k < 4; ++k) {
                out.m[i][j] += in1->m[i][k] * in2->m[k][j];
            }
        }
    }
    return out;
}

Clang 15.0 Results

GCC 12.2 Results

结果在GCC和clang之间显著不同。查看程序集，这可能是因为clang内联了_Ret版本，但没有对_Dest版本做同样的操作。GCC内联了这两个函数，使它们的性能基本相同。这并不奇怪，因为这两个函数执行相同的计算。

总结

根据基准测试，按值返回至少与写入目标矩阵一样快。它对某些编译器更内联友好，这可能会提高性能。但是，通过对函数进行注解，使其更有可能被内联，也可以获得相同的结果。
值得注意的是，在Mat4Mul_Ret中，return out;无论如何都会就地写入目标，因为大型对象是通过x86_64 ABI中的目标指针传递的：

Mat4Mult_Ret:
// ...
// last 4 instructions move result to destination pointer
movups  xmmword ptr [rdi + 48], xmm1
movups  xmmword ptr [rdi + 32], xmm7
movups  xmmword ptr [rdi + 16], xmm4
movups  xmmword ptr [rdi], xmm3
ret

但是，您的函数之间有一个显着的差异：mat4_t* out可以别名为in1和in2，但本地mat4_t out不能。* * 考虑将指针标记为restrict，让编译器有更大的优化自由度。**