感谢您的心得反馈：
但果断warp shuffle的效率和直接带有volatile关键字的shared memory上的交换效率不同的。
我这里说明一下，避免您的结论误导其他会员（但这不代表对您的批判）：
（1）warp shuffle和shared memory均需要通过LSU执行相应指令的（请注意warp shuffle指令不是被SP执行的）
（2）warp shuffle的理论吞吐率是32操作/cycle/smx(或者按warp计算是1操作/cycle/smx)。warp shuffle在它的理论吞吐率下，可以在一个周期内完成32个4B数据的交换。而shared memory需要经过至少2步的写入-读取操作，甚至还需要进行地址计算的操作。
因为上文(1)(2)给出的的执行单元信息和吞吐率数据，warp shuffle一般比shared memory的交换效率要高2倍～3倍（分别对应无需使用SP进行地址计算和需要使用SP进行地址计算）。
您的测试没有得到速度上的提升，可能是因为您的kernel的数据交换操作不是瓶颈，从而无法凸显出来。但对于一些原来需要shared memory进行交换的算法，在升级到3.x的硬件后，如果可以使用warp shuffle，往往会得到较高的性能提升。
非常感谢您的心得反馈，此文完全不是对您的批评，只是简单的阐述一些客观资料，避免其他会员误解您，从而造成对您不满。
（此文信息来自非官方公开资料，仅供参考）