うん、>>512はCPUごとの最適化（MMXとしか書いてないけど）についてなのに、
>>516はメモリアクセス速度の話になってる。
memcpy()の実装はCPU毎に最適化されていて
メモリアクセス速度だけでなく、アルゴリズムにも依存する話だ。

C++でmemcpy()風な記述をしても、バイト単位のコピーしかしないでしょ。
Z80なら、DJNZループしつつLDするとか。でも、LDIR使うよね。