Есть ли способ вычесть упакованные двойные слова без знака, насыщенные, на x86, используя MMX/SSE?

Если у вас есть доступный SSE4.1, я не думаю, что вы можете стать лучше, чем использовать подход pmaxud+psubd, предложенный @harold. Конечно, с AVX2 вы также можете использовать соответствующие 256-битные варианты.

__m128i subs_epu32_sse4(__m128i a, __m128i b){
    __m128i mx = _mm_max_epu32(a,b);
    return _mm_sub_epi32(mx, b);
}

Без SSE4.1 вам нужно каким-то образом сравнить оба аргумента. К сожалению, нет сравнения epu32 (не до AVX512), но вы можете смоделировать его, сначала добавив 0x80000000 (что в данном случае эквивалентно xor-ing) к обоим аргументам:

__m128i cmpgt_epu32(__m128i a, __m128i b) {
    const __m128i highest = _mm_set1_epi32(0x80000000);
    return _mm_cmpgt_epi32(_mm_xor_si128(a,highest),_mm_xor_si128(b,highest));
}

__m128i subs_epu32(__m128i a, __m128i b){
    __m128i not_saturated = cmpgt_epu32(a,b);
    return _mm_and_si128(not_saturated, _mm_sub_epi32(a,b));
}

В некоторых случаях может быть лучше заменить сравнение некоторым изменением битов старшего бита и трансляцией этого каждому биту с использованием сдвига (это заменяет pcmpgtd и три битовые логические операции (и необходимо загрузить 0x80000000 хотя бы один раз) с помощью psrad и пяти битовых логических операций):

__m128i subs_epu32_(__m128i a, __m128i b) {
    __m128i r = _mm_sub_epi32(a,b);
    __m128i c = (~a & b) | (r & ~(a^b)); // works with gcc/clang. Replace by corresponding intrinsics, if necessary (note that `andnot` is a single instruction)
    return _mm_srai_epi32(c,31) & r;
}

Godbolt-Link, включая adds_epu32 вариантов: https://godbolt.org/z/n4qaW1 Странно, clang требует больше копий регистров, чем gcc для вариантов без SSE4.1. С другой стороны, clang находит оптимизацию pmaxud для варианта cmpgt_epu32 при компиляции с SSE4.1: https://godbolt.org/z/3o5KCm