お答えありがとうございます。
例えば、VertexShader1.xの頃は
命令数の制限が厳しかったから
CubeMappingで法線の正規化とか効果あったけど
2.xとかでは逆で組込み関数使った方が速いかも、とか
法線マップでは普通A8R8G8B8の32bitフォーマットを使うけど
そうじゃなくてV8U8の16bitフォーマットを使ってWは計算で求めた方が
命令数は食うけど、テクスチャサイズが減って逆に速くなるかも、
とかいろいろ考えてしまいます。
やっぱ実測が一番ですかね？
でもベンチ測れるほどシステムが出来上がってないから難しいところです。

今D3Dのフォーマット調べたんですけどD3DFMT_CxV8U8というのがあるんですね。
これに対応してるGPUってあるんですかね？