生成されたコードを見てから言えよ。
オーバーロードと通常の関数に相違点なんて無い。

きちんと作れば、小規模ならインライン展開されて関数の呼び出しすら省略されたコードになるのに、
どこに重くなる要因があるのか、馬鹿の考えはさっぱり分からない。
組み込みと__m128を組み合わせると戻り値の128bitのデータをXMMレジスタから直接引き渡すようになったりするんだぞ。

不勉強で知ったかするのはやめておけ。