結局、特定CPUでしか高速じゃないor動作しないmemcpyじゃメリット無いな。
前段でCPUチェック入れてそれぞれのCPUで高速動作するmemcpyに分岐してもいいけど、
コピーサイズによってはそのオーバーヘッド自体が無視出来なくなる場合もあるだろうし。