[AMDGPU] Match udot8 pattern
authorFarhana Aleen <farhana.aleen@gmail.com>
Tue, 18 Sep 2018 16:59:48 +0000 (16:59 +0000)
committerFarhana Aleen <farhana.aleen@gmail.com>
Tue, 18 Sep 2018 16:59:48 +0000 (16:59 +0000)
Summary: D.u32 = S0.u4[0] * S1.u4[0] +

         S0.u4[1] * S1.u4[1] +
         S0.u4[2] * S1.u4[2] +
         S0.u4[3] * S1.u4[3] +
         S0.u4[4] * S1.u4[4] +
         S0.u4[5] * S1.u4[5] +
         S0.u4[6] * S1.u4[6] +
         S0.u4[7] * S1.u4[7] +
         S2.u32

Author: FarhanaAleen

Reviewed By: arsenm, nhaehnle

Differential Revision: https://reviews.llvm.org/D51947

llvm-svn: 342497

llvm/lib/Target/AMDGPU/VOP3PInstructions.td
llvm/test/CodeGen/AMDGPU/idot8.ll [new file with mode: 0644]

index 3154dcf..83e95b5 100644 (file)
@@ -168,34 +168,53 @@ defm : MadFmaMixPats<fma, V_FMA_MIX_F32, V_FMA_MIXLO_F16, V_FMA_MIXHI_F16>;
 class Srl<int N> : PatFrag<(ops node:$src),
                            (srl node:$src, (i32 N))>;
 
-foreach Bits = [8, 16, 24] in {
-  def srl#Bits : Srl<Bits>;
-}
-
-def and_255 : PatFrag<
-  (ops node:$src0), (and node:$src0, (i32 255))
->;
+foreach Bits = 1-7 in
+  def srl#!shl(Bits, 2) : Srl<!shl(Bits, 2)>;
 
-class Extract_U8<int FromBitIndex> : PatFrag<(
-  ops node:$src),
-  !if (!eq (FromBitIndex, 24), // last element
+class Extract_U<int FromBitIndex, int BitMask> : PatFrag<
+  (ops node:$src),
+  !if (!or (!and (!eq (BitMask, 255), !eq (FromBitIndex, 24)),
+            !and (!eq (BitMask, 15), !eq (FromBitIndex, 28))), // last element
        (!cast<Srl>("srl"#FromBitIndex) node:$src),
        !if (!eq (FromBitIndex, 0), // first element
-            (and_255 node:$src),
-            (and_255 (!cast<Srl>("srl"#FromBitIndex) node:$src))))>;
+            (and node:$src, (i32 BitMask)),
+            (and (!cast<Srl>("srl"#FromBitIndex) node:$src), (i32 BitMask))))>;
 
-// Defines patterns that extract each Index'ed 8bit from a 32bit scalar value;
-foreach Index = [1, 2, 3, 4] in {
-  def UElt#Index : Extract_U8<!shl(!add(Index, -1), 3)>;
-}
+foreach Index = 0-3 in {
+  // Defines patterns that extract each Index'ed 8bit from an unsigned
+  // 32bit scalar value;
+  def U#Index#"_8bit" : Extract_U<!shl(Index, 3),
+                                  255>;
 
-// Defines multiplication patterns where the multiplication is happening on each
-// Index'ed 8bit of a 32bit scalar value.
-foreach Index = [1, 2, 3, 4] in {
+  // Defines multiplication patterns where the multiplication is happening on each
+  // Index'ed 8bit of a 32bit scalar value.
   def MulU_Elt#Index : PatFrag<
     (ops node:$src0, node:$src1),
-    (AMDGPUmul_u24_oneuse (!cast<Extract_U8>("UElt"#Index) node:$src0),
-                          (!cast<Extract_U8>("UElt"#Index) node:$src1))>;
+    (AMDGPUmul_u24_oneuse (!cast<Extract_U>("U"#Index#"_8bit") node:$src0),
+                          (!cast<Extract_U>("U"#Index#"_8bit") node:$src1))>;
+}
+
+// Different variants of dot8 patterns cause a huge increase in the compile time.
+// Define non-associative/commutative add/mul to prevent permutation in the dot8
+// pattern.
+def NonACAdd        : SDNode<"ISD::ADD"       , SDTIntBinOp>;
+def NonACAdd_oneuse : HasOneUseBinOp<NonACAdd>;
+
+def NonACAMDGPUmul_u24        : SDNode<"AMDGPUISD::MUL_U24"       , SDTIntBinOp>;
+def NonACAMDGPUmul_u24_oneuse : HasOneUseBinOp<NonACAMDGPUmul_u24>;
+
+foreach Index = 0-7 in {
+  // Defines patterns that extract each Index'ed 4bit from an unsigned
+  // 32bit scalar value;
+  def U#Index#"_4bit" : Extract_U<!shl(Index, 2),
+                                  15>;
+
+  // Defines multiplication patterns where the multiplication is happening on each
+  // Index'ed 8bit of a 32bit scalar value.
+  def MulU#Index#"_4bit" : PatFrag<
+    (ops node:$src0, node:$src1),
+    (NonACAMDGPUmul_u24_oneuse (!cast<Extract_U>("U"#Index#"_4bit") node:$src0),
+                               (!cast<Extract_U>("U"#Index#"_4bit") node:$src1))>;
 }
 
 class UDot2Pat<Instruction Inst> : GCNPat <
@@ -246,11 +265,17 @@ def : UDot2Pat<V_DOT2_U32_U16>;
 def : SDot2Pat<V_DOT2_I32_I16>;
 
 def : GCNPat <
-  !cast<dag>(!foldl((i32 i32:$src2), [1, 2, 3, 4], lhs, y,
+  !cast<dag>(!foldl((i32 i32:$src2), [0, 1, 2, 3], lhs, y,
                     (add_oneuse lhs, (!cast<PatFrag>("MulU_Elt"#y) i32:$src0, i32:$src1)))),
   (V_DOT4_U32_U8 (i32 8), $src0, (i32 8), $src1, (i32 8), $src2, (i1 0))
 >;
 
+def : GCNPat <
+  !cast<dag>(!foldl((add_oneuse i32:$src2, (MulU0_4bit i32:$src0, i32:$src1)), [1, 2, 3, 4, 5, 6, 7], lhs, y,
+                    (NonACAdd_oneuse lhs, (!cast<PatFrag>("MulU"#y#"_4bit") i32:$src0, i32:$src1)))),
+  (V_DOT8_U32_U4 (i32 8), $src0, (i32 8), $src1, (i32 8), $src2, (i1 0))
+>;
+
 } // End SubtargetPredicate = HasDLInsts
 
 multiclass VOP3P_Real_vi<bits<10> op> {
diff --git a/llvm/test/CodeGen/AMDGPU/idot8.ll b/llvm/test/CodeGen/AMDGPU/idot8.ll
new file mode 100644 (file)
index 0000000..94f93b0
--- /dev/null
@@ -0,0 +1,2503 @@
+; NOTE: Assertions have been autogenerated by utils/update_llc_test_checks.py
+; RUN: llc -mtriple=amdgcn -mcpu=gfx700 -verify-machineinstrs < %s | FileCheck -check-prefixes=GFX7 %s
+; RUN: llc -mtriple=amdgcn -mcpu=gfx803 -verify-machineinstrs < %s | FileCheck -check-prefixes=GFX8 %s
+; RUN: llc -mtriple=amdgcn -mcpu=gfx900 -verify-machineinstrs < %s | FileCheck -check-prefixes=GFX9 %s
+; RUN: llc -mtriple=amdgcn -mcpu=gfx906 -verify-machineinstrs < %s | FileCheck -check-prefixes=GCN-DL %s
+
+define amdgpu_kernel void @udot8_acc32(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc32:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[8:11], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[4:5], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s7, 0xf000
+; GFX7-NEXT:    s_mov_b32 s6, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[8:9], 0x0
+; GFX7-NEXT:    s_load_dword s1, s[10:11], 0x0
+; GFX7-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s8, s0, 28
+; GFX7-NEXT:    s_lshr_b32 s15, s1, 28
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s21, s1, 0x40004
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s9, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s10, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s11, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s14, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v0, s1
+; GFX7-NEXT:    v_mov_b32_e32 v1, s2
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v0, v1
+; GFX7-NEXT:    v_mov_b32_e32 v1, s21
+; GFX7-NEXT:    v_mad_u32_u24 v0, s14, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s20
+; GFX7-NEXT:    v_mad_u32_u24 v0, s13, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s19
+; GFX7-NEXT:    v_mad_u32_u24 v0, s12, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s18
+; GFX7-NEXT:    v_mad_u32_u24 v0, s11, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s17
+; GFX7-NEXT:    v_mad_u32_u24 v0, s10, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s16
+; GFX7-NEXT:    v_mad_u32_u24 v0, s9, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s15
+; GFX7-NEXT:    v_mad_u32_u24 v0, s8, v1, v0
+; GFX7-NEXT:    buffer_store_dword v0, off, s[4:7], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc32:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_lshr_b32 s0, s2, 28
+; GFX8-NEXT:    s_lshr_b32 s11, s4, 28
+; GFX8-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX8-NEXT:    s_bfe_u32 s13, s4, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s14, s4, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s15, s4, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s16, s4, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s17, s4, 0x40004
+; GFX8-NEXT:    s_and_b32 s4, s4, 15
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40018
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s8, s2, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s10, s2, 0x40004
+; GFX8-NEXT:    s_and_b32 s2, s2, 15
+; GFX8-NEXT:    v_mov_b32_e32 v2, s4
+; GFX8-NEXT:    v_mov_b32_e32 v3, s5
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v2, v3
+; GFX8-NEXT:    v_mov_b32_e32 v3, s17
+; GFX8-NEXT:    v_mad_u32_u24 v2, s10, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s16
+; GFX8-NEXT:    v_mad_u32_u24 v2, s9, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s15
+; GFX8-NEXT:    v_mad_u32_u24 v2, s8, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s14
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s13
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s12
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s11
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    flat_store_dword v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc32:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_lshr_b32 s0, s2, 28
+; GFX9-NEXT:    s_lshr_b32 s11, s4, 28
+; GFX9-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX9-NEXT:    s_bfe_u32 s13, s4, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s14, s4, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s15, s4, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s16, s4, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s17, s4, 0x40004
+; GFX9-NEXT:    s_and_b32 s4, s4, 15
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40018
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s10, s2, 0x40004
+; GFX9-NEXT:    s_and_b32 s2, s2, 15
+; GFX9-NEXT:    v_mov_b32_e32 v2, s4
+; GFX9-NEXT:    v_mov_b32_e32 v3, s5
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v2, v3
+; GFX9-NEXT:    v_mov_b32_e32 v3, s17
+; GFX9-NEXT:    v_mad_u32_u24 v2, s10, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s16
+; GFX9-NEXT:    v_mad_u32_u24 v2, s9, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s15
+; GFX9-NEXT:    v_mad_u32_u24 v2, s8, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s14
+; GFX9-NEXT:    v_mad_u32_u24 v2, s7, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s13
+; GFX9-NEXT:    v_mad_u32_u24 v2, s6, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s12
+; GFX9-NEXT:    v_mad_u32_u24 v2, s1, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s11
+; GFX9-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX9-NEXT:    global_store_dword v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc32:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    v_mov_b32_e32 v2, s4
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s5
+; GCN-DL-NEXT:    v_dot8_u32_u4 v2, s2, v2, v3
+; GCN-DL-NEXT:    global_store_dword v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                       <8 x i4> addrspace(1)* %src2,
+                                       i32 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %v1e0 = extractelement <8 x i4> %vec1, i64 0
+  %cv1e0 = zext i4 %v1e0 to i32
+  %v2e0 = extractelement <8 x i4> %vec2, i64 0
+  %cv2e0 = zext i4 %v2e0 to i32
+  %mul0 = mul nuw nsw i32 %cv1e0, %cv2e0
+
+  %v1e1 = extractelement <8 x i4> %vec1, i64 1
+  %cv1e1 = zext i4 %v1e1 to i32
+  %v2e1 = extractelement <8 x i4> %vec2, i64 1
+  %cv2e1 = zext i4 %v2e1 to i32
+  %mul1 = mul nuw nsw i32 %cv1e1, %cv2e1
+
+  %v1e2 = extractelement <8 x i4> %vec1, i64 2
+  %cv1e2 = zext i4 %v1e2 to i32
+  %v2e2 = extractelement <8 x i4> %vec2, i64 2
+  %cv2e2 = zext i4 %v2e2 to i32
+  %mul2 = mul nuw nsw i32 %cv1e2, %cv2e2
+
+  %v1e3 = extractelement <8 x i4> %vec1, i64 3
+  %cv1e3 = zext i4 %v1e3 to i32
+  %v2e3 = extractelement <8 x i4> %vec2, i64 3
+  %cv2e3 = zext i4 %v2e3 to i32
+  %mul3 = mul nuw nsw i32 %cv1e3, %cv2e3
+
+  %v1e4 = extractelement <8 x i4> %vec1, i64 4
+  %cv1e4 = zext i4 %v1e4 to i32
+  %v2e4 = extractelement <8 x i4> %vec2, i64 4
+  %cv2e4 = zext i4 %v2e4 to i32
+  %mul4 = mul nuw nsw i32 %cv1e4, %cv2e4
+
+  %v1e5 = extractelement <8 x i4> %vec1, i64 5
+  %cv1e5 = zext i4 %v1e5 to i32
+  %v2e5 = extractelement <8 x i4> %vec2, i64 5
+  %cv2e5 = zext i4 %v2e5 to i32
+  %mul5 = mul nuw nsw i32 %cv1e5, %cv2e5
+
+  %v1e6 = extractelement <8 x i4> %vec1, i64 6
+  %cv1e6 = zext i4 %v1e6 to i32
+  %v2e6 = extractelement <8 x i4> %vec2, i64 6
+  %cv2e6 = zext i4 %v2e6 to i32
+  %mul6 = mul nuw nsw i32 %cv1e6, %cv2e6
+
+  %v1e7 = extractelement <8 x i4> %vec1, i64 7
+  %cv1e7 = zext i4 %v1e7 to i32
+  %v2e7 = extractelement <8 x i4> %vec2, i64 7
+  %cv2e7 = zext i4 %v2e7 to i32
+  %mul7 = mul nuw nsw i32 %cv1e7, %cv2e7
+
+  %acc = load i32, i32 addrspace(1)* %dst, align 4
+  %add1 = add i32 %mul0, %acc
+  %add2 = add i32 %add1, %mul1
+  %add3 = add i32 %add2, %mul2
+  %add4 = add i32 %add3, %mul3
+  %add5 = add i32 %add4, %mul4
+  %add6 = add i32 %add5, %mul5
+  %add7 = add i32 %add6, %mul6
+  %add8 = add i32 %add7, %mul7
+
+  store i32 %add8, i32 addrspace(1)* %dst, align 4
+  ret void
+}
+
+; TODO: Remove the unnecessary instruction(that is zero-extending the
+; 2nd MAD) to have the pattern-recognizer to kick in.
+define amdgpu_kernel void @udot8_acc16(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc16:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[8:9], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s11, 0xf000
+; GFX7-NEXT:    s_mov_b32 s10, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[4:5], 0x0
+; GFX7-NEXT:    buffer_load_ushort v0, off, s[8:11], 0
+; GFX7-NEXT:    s_load_dword s1, s[6:7], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s2, s0, 28
+; GFX7-NEXT:    s_bfe_u32 s4, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s15, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40004
+; GFX7-NEXT:    s_lshr_b32 s14, s1, 28
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s5, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s6, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s7, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v1, s1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mov_b32_e32 v3, s19
+; GFX7-NEXT:    v_mov_b32_e32 v4, s18
+; GFX7-NEXT:    v_mov_b32_e32 v5, s17
+; GFX7-NEXT:    v_mov_b32_e32 v6, s16
+; GFX7-NEXT:    v_mov_b32_e32 v7, s15
+; GFX7-NEXT:    s_waitcnt vmcnt(0)
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v1, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s13, v2, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s12, v3, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s7, v4, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s6, v5, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s5, v6, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s4, v7, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s14
+; GFX7-NEXT:    v_mad_u32_u24 v0, s2, v1, v0
+; GFX7-NEXT:    buffer_store_short v0, off, s[8:11], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc16:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    flat_load_ushort v2, v[0:1]
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_and_b32 s0, s2, 15
+; GFX8-NEXT:    s_and_b32 s1, s4, 15
+; GFX8-NEXT:    v_mov_b32_e32 v3, s1
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX8-NEXT:    v_mov_b32_e32 v4, s5
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s10, s4, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX8-NEXT:    s_lshr_b32 s14, s4, 28
+; GFX8-NEXT:    s_bfe_u32 s4, s4, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v5, s5
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x4000c
+; GFX8-NEXT:    v_mov_b32_e32 v6, s4
+; GFX8-NEXT:    s_bfe_u32 s9, s2, 0x40010
+; GFX8-NEXT:    v_mov_b32_e32 v7, s8
+; GFX8-NEXT:    s_bfe_u32 s11, s2, 0x40014
+; GFX8-NEXT:    v_mov_b32_e32 v8, s10
+; GFX8-NEXT:    s_bfe_u32 s13, s2, 0x40018
+; GFX8-NEXT:    v_mov_b32_e32 v9, s12
+; GFX8-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX8-NEXT:    s_waitcnt vmcnt(0)
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 0xffff, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v5, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v6, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s9, v7, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s11, v8, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s13, v9, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s14
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX8-NEXT:    flat_store_short v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc16:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    global_load_ushort v2, v[0:1], off
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_and_b32 s0, s2, 15
+; GFX9-NEXT:    s_and_b32 s1, s4, 15
+; GFX9-NEXT:    v_mov_b32_e32 v3, s1
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX9-NEXT:    v_mov_b32_e32 v4, s5
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s10, s4, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX9-NEXT:    s_lshr_b32 s14, s4, 28
+; GFX9-NEXT:    s_bfe_u32 s4, s4, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v5, s5
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x4000c
+; GFX9-NEXT:    v_mov_b32_e32 v6, s4
+; GFX9-NEXT:    s_bfe_u32 s9, s2, 0x40010
+; GFX9-NEXT:    v_mov_b32_e32 v7, s8
+; GFX9-NEXT:    s_bfe_u32 s11, s2, 0x40014
+; GFX9-NEXT:    v_mov_b32_e32 v8, s10
+; GFX9-NEXT:    s_bfe_u32 s13, s2, 0x40018
+; GFX9-NEXT:    v_mov_b32_e32 v9, s12
+; GFX9-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX9-NEXT:    s_waitcnt vmcnt(0)
+; GFX9-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GFX9-NEXT:    v_and_b32_e32 v2, 0xffff, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s6, v5, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s7, v6, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s9, v7, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s11, v8, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s13, v9, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s14
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX9-NEXT:    global_store_short v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc16:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    global_load_ushort v2, v[0:1], off
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_and_b32 s0, s2, 15
+; GCN-DL-NEXT:    s_and_b32 s1, s4, 15
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s1
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s5
+; GCN-DL-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GCN-DL-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s10, s4, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GCN-DL-NEXT:    s_lshr_b32 s14, s4, 28
+; GCN-DL-NEXT:    s_bfe_u32 s4, s4, 0x4000c
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s5
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x4000c
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s4
+; GCN-DL-NEXT:    s_bfe_u32 s9, s2, 0x40010
+; GCN-DL-NEXT:    v_mov_b32_e32 v7, s8
+; GCN-DL-NEXT:    s_bfe_u32 s11, s2, 0x40014
+; GCN-DL-NEXT:    v_mov_b32_e32 v8, s10
+; GCN-DL-NEXT:    s_bfe_u32 s13, s2, 0x40018
+; GCN-DL-NEXT:    v_mov_b32_e32 v9, s12
+; GCN-DL-NEXT:    s_lshr_b32 s2, s2, 28
+; GCN-DL-NEXT:    s_waitcnt vmcnt(0)
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GCN-DL-NEXT:    v_and_b32_e32 v2, 0xffff, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s6, v5, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s7, v6, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s9, v7, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s11, v8, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s13, v9, v2
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s14
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GCN-DL-NEXT:    global_store_short v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                       <8 x i4> addrspace(1)* %src2,
+                                       i16 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %v1e0 = extractelement <8 x i4> %vec1, i64 0
+  %cv1e0 = zext i4 %v1e0 to i16
+  %v2e0 = extractelement <8 x i4> %vec2, i64 0
+  %cv2e0 = zext i4 %v2e0 to i16
+  %mul0 = mul nuw nsw i16 %cv1e0, %cv2e0
+
+  %v1e1 = extractelement <8 x i4> %vec1, i64 1
+  %cv1e1 = zext i4 %v1e1 to i16
+  %v2e1 = extractelement <8 x i4> %vec2, i64 1
+  %cv2e1 = zext i4 %v2e1 to i16
+  %mul1 = mul nuw nsw i16 %cv1e1, %cv2e1
+
+  %v1e2 = extractelement <8 x i4> %vec1, i64 2
+  %cv1e2 = zext i4 %v1e2 to i16
+  %v2e2 = extractelement <8 x i4> %vec2, i64 2
+  %cv2e2 = zext i4 %v2e2 to i16
+  %mul2 = mul nuw nsw i16 %cv1e2, %cv2e2
+
+  %v1e3 = extractelement <8 x i4> %vec1, i64 3
+  %cv1e3 = zext i4 %v1e3 to i16
+  %v2e3 = extractelement <8 x i4> %vec2, i64 3
+  %cv2e3 = zext i4 %v2e3 to i16
+  %mul3 = mul nuw nsw i16 %cv1e3, %cv2e3
+
+  %v1e4 = extractelement <8 x i4> %vec1, i64 4
+  %cv1e4 = zext i4 %v1e4 to i16
+  %v2e4 = extractelement <8 x i4> %vec2, i64 4
+  %cv2e4 = zext i4 %v2e4 to i16
+  %mul4 = mul nuw nsw i16 %cv1e4, %cv2e4
+
+  %v1e5 = extractelement <8 x i4> %vec1, i64 5
+  %cv1e5 = zext i4 %v1e5 to i16
+  %v2e5 = extractelement <8 x i4> %vec2, i64 5
+  %cv2e5 = zext i4 %v2e5 to i16
+  %mul5 = mul nuw nsw i16 %cv1e5, %cv2e5
+
+  %v1e6 = extractelement <8 x i4> %vec1, i64 6
+  %cv1e6 = zext i4 %v1e6 to i16
+  %v2e6 = extractelement <8 x i4> %vec2, i64 6
+  %cv2e6 = zext i4 %v2e6 to i16
+  %mul6 = mul nuw nsw i16 %cv1e6, %cv2e6
+
+  %v1e7 = extractelement <8 x i4> %vec1, i64 7
+  %cv1e7 = zext i4 %v1e7 to i16
+  %v2e7 = extractelement <8 x i4> %vec2, i64 7
+  %cv2e7 = zext i4 %v2e7 to i16
+  %mul7 = mul nuw nsw i16 %cv1e7, %cv2e7
+
+  %acc = load i16, i16 addrspace(1)* %dst, align 4
+  %add1 = add i16 %mul0, %acc
+  %add2 = add i16 %add1, %mul1
+  %add3 = add i16 %add2, %mul2
+  %add4 = add i16 %add3, %mul3
+  %add5 = add i16 %add4, %mul4
+  %add6 = add i16 %add5, %mul5
+  %add7 = add i16 %add6, %mul6
+  %add8 = add i16 %add7, %mul7
+
+  store i16 %add8, i16 addrspace(1)* %dst, align 4
+  ret void
+}
+
+; TODO: Remove the unnecessary instruction(that is zero-extending the
+; 2nd MAD) to have the pattern-recognizer to kick in.
+define amdgpu_kernel void @udot8_acc8(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc8:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[8:9], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s11, 0xf000
+; GFX7-NEXT:    s_mov_b32 s10, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[4:5], 0x0
+; GFX7-NEXT:    buffer_load_ubyte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_load_dword s1, s[6:7], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s2, s0, 28
+; GFX7-NEXT:    s_bfe_u32 s4, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s15, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40004
+; GFX7-NEXT:    s_lshr_b32 s14, s1, 28
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s5, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s6, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s7, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v1, s1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mov_b32_e32 v3, s19
+; GFX7-NEXT:    v_mov_b32_e32 v4, s18
+; GFX7-NEXT:    v_mov_b32_e32 v5, s17
+; GFX7-NEXT:    v_mov_b32_e32 v6, s16
+; GFX7-NEXT:    v_mov_b32_e32 v7, s15
+; GFX7-NEXT:    s_waitcnt vmcnt(0)
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v1, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s13, v2, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s12, v3, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s7, v4, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s6, v5, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s5, v6, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s4, v7, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s14
+; GFX7-NEXT:    v_mad_u32_u24 v0, s2, v1, v0
+; GFX7-NEXT:    buffer_store_byte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc8:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    flat_load_ubyte v2, v[0:1]
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_and_b32 s0, s2, 15
+; GFX8-NEXT:    s_and_b32 s1, s4, 15
+; GFX8-NEXT:    v_mov_b32_e32 v3, s1
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX8-NEXT:    v_mov_b32_e32 v4, s5
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s10, s4, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX8-NEXT:    s_lshr_b32 s14, s4, 28
+; GFX8-NEXT:    s_bfe_u32 s4, s4, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v5, s5
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x4000c
+; GFX8-NEXT:    v_mov_b32_e32 v6, s4
+; GFX8-NEXT:    s_bfe_u32 s9, s2, 0x40010
+; GFX8-NEXT:    v_mov_b32_e32 v7, s8
+; GFX8-NEXT:    s_bfe_u32 s11, s2, 0x40014
+; GFX8-NEXT:    v_mov_b32_e32 v8, s10
+; GFX8-NEXT:    s_bfe_u32 s13, s2, 0x40018
+; GFX8-NEXT:    v_mov_b32_e32 v9, s12
+; GFX8-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX8-NEXT:    s_waitcnt vmcnt(0)
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 0xff, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v5, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v6, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s9, v7, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s11, v8, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s13, v9, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s14
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX8-NEXT:    flat_store_byte v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc8:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    global_load_ubyte v2, v[0:1], off
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_and_b32 s0, s2, 15
+; GFX9-NEXT:    s_and_b32 s1, s4, 15
+; GFX9-NEXT:    v_mov_b32_e32 v3, s1
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX9-NEXT:    v_mov_b32_e32 v4, s5
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s10, s4, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX9-NEXT:    s_lshr_b32 s14, s4, 28
+; GFX9-NEXT:    s_bfe_u32 s4, s4, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v5, s5
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x4000c
+; GFX9-NEXT:    v_mov_b32_e32 v6, s4
+; GFX9-NEXT:    s_bfe_u32 s9, s2, 0x40010
+; GFX9-NEXT:    v_mov_b32_e32 v7, s8
+; GFX9-NEXT:    s_bfe_u32 s11, s2, 0x40014
+; GFX9-NEXT:    v_mov_b32_e32 v8, s10
+; GFX9-NEXT:    s_bfe_u32 s13, s2, 0x40018
+; GFX9-NEXT:    v_mov_b32_e32 v9, s12
+; GFX9-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX9-NEXT:    s_waitcnt vmcnt(0)
+; GFX9-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GFX9-NEXT:    v_and_b32_e32 v2, 0xff, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s6, v5, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s7, v6, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s9, v7, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s11, v8, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s13, v9, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s14
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX9-NEXT:    global_store_byte v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc8:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    global_load_ubyte v2, v[0:1], off
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_and_b32 s0, s2, 15
+; GCN-DL-NEXT:    s_and_b32 s1, s4, 15
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s1
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s5
+; GCN-DL-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GCN-DL-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s10, s4, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GCN-DL-NEXT:    s_lshr_b32 s14, s4, 28
+; GCN-DL-NEXT:    s_bfe_u32 s4, s4, 0x4000c
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s5
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x4000c
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s4
+; GCN-DL-NEXT:    s_bfe_u32 s9, s2, 0x40010
+; GCN-DL-NEXT:    v_mov_b32_e32 v7, s8
+; GCN-DL-NEXT:    s_bfe_u32 s11, s2, 0x40014
+; GCN-DL-NEXT:    v_mov_b32_e32 v8, s10
+; GCN-DL-NEXT:    s_bfe_u32 s13, s2, 0x40018
+; GCN-DL-NEXT:    v_mov_b32_e32 v9, s12
+; GCN-DL-NEXT:    s_lshr_b32 s2, s2, 28
+; GCN-DL-NEXT:    s_waitcnt vmcnt(0)
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GCN-DL-NEXT:    v_and_b32_e32 v2, 0xff, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s6, v5, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s7, v6, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s9, v7, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s11, v8, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s13, v9, v2
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s14
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GCN-DL-NEXT:    global_store_byte v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                      <8 x i4> addrspace(1)* %src2,
+                                      i8 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %v1e0 = extractelement <8 x i4> %vec1, i64 0
+  %cv1e0 = zext i4 %v1e0 to i8
+  %v2e0 = extractelement <8 x i4> %vec2, i64 0
+  %cv2e0 = zext i4 %v2e0 to i8
+  %mul0 = mul nuw nsw i8 %cv1e0, %cv2e0
+
+  %v1e1 = extractelement <8 x i4> %vec1, i64 1
+  %cv1e1 = zext i4 %v1e1 to i8
+  %v2e1 = extractelement <8 x i4> %vec2, i64 1
+  %cv2e1 = zext i4 %v2e1 to i8
+  %mul1 = mul nuw nsw i8 %cv1e1, %cv2e1
+
+  %v1e2 = extractelement <8 x i4> %vec1, i64 2
+  %cv1e2 = zext i4 %v1e2 to i8
+  %v2e2 = extractelement <8 x i4> %vec2, i64 2
+  %cv2e2 = zext i4 %v2e2 to i8
+  %mul2 = mul nuw nsw i8 %cv1e2, %cv2e2
+
+  %v1e3 = extractelement <8 x i4> %vec1, i64 3
+  %cv1e3 = zext i4 %v1e3 to i8
+  %v2e3 = extractelement <8 x i4> %vec2, i64 3
+  %cv2e3 = zext i4 %v2e3 to i8
+  %mul3 = mul nuw nsw i8 %cv1e3, %cv2e3
+
+  %v1e4 = extractelement <8 x i4> %vec1, i64 4
+  %cv1e4 = zext i4 %v1e4 to i8
+  %v2e4 = extractelement <8 x i4> %vec2, i64 4
+  %cv2e4 = zext i4 %v2e4 to i8
+  %mul4 = mul nuw nsw i8 %cv1e4, %cv2e4
+
+  %v1e5 = extractelement <8 x i4> %vec1, i64 5
+  %cv1e5 = zext i4 %v1e5 to i8
+  %v2e5 = extractelement <8 x i4> %vec2, i64 5
+  %cv2e5 = zext i4 %v2e5 to i8
+  %mul5 = mul nuw nsw i8 %cv1e5, %cv2e5
+
+  %v1e6 = extractelement <8 x i4> %vec1, i64 6
+  %cv1e6 = zext i4 %v1e6 to i8
+  %v2e6 = extractelement <8 x i4> %vec2, i64 6
+  %cv2e6 = zext i4 %v2e6 to i8
+  %mul6 = mul nuw nsw i8 %cv1e6, %cv2e6
+
+  %v1e7 = extractelement <8 x i4> %vec1, i64 7
+  %cv1e7 = zext i4 %v1e7 to i8
+  %v2e7 = extractelement <8 x i4> %vec2, i64 7
+  %cv2e7 = zext i4 %v2e7 to i8
+  %mul7 = mul nuw nsw i8 %cv1e7, %cv2e7
+
+  %acc = load i8, i8 addrspace(1)* %dst, align 4
+  %add1 = add i8 %mul0, %acc
+  %add2 = add i8 %add1, %mul1
+  %add3 = add i8 %add2, %mul2
+  %add4 = add i8 %add3, %mul3
+  %add5 = add i8 %add4, %mul4
+  %add6 = add i8 %add5, %mul5
+  %add7 = add i8 %add6, %mul6
+  %add8 = add i8 %add7, %mul7
+
+  store i8 %add8, i8 addrspace(1)* %dst, align 4
+  ret void
+}
+
+; TODO: Remove the two unnecessary instructions(and+add after 2nd MAD)
+; to have the pattern-recognizer to kick in.
+define amdgpu_kernel void @udot8_acc4(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc4:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[8:9], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s11, 0xf000
+; GFX7-NEXT:    s_mov_b32 s10, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[4:5], 0x0
+; GFX7-NEXT:    buffer_load_ubyte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_load_dword s1, s[6:7], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s2, s0, 28
+; GFX7-NEXT:    s_bfe_u32 s4, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s15, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40004
+; GFX7-NEXT:    s_lshr_b32 s14, s1, 28
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s5, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s6, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s7, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v1, s1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mov_b32_e32 v3, s19
+; GFX7-NEXT:    v_mov_b32_e32 v4, s18
+; GFX7-NEXT:    v_mov_b32_e32 v5, s17
+; GFX7-NEXT:    v_mov_b32_e32 v6, s16
+; GFX7-NEXT:    v_mov_b32_e32 v7, s15
+; GFX7-NEXT:    s_waitcnt vmcnt(0)
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v1, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s13, v2, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s12, v3, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s7, v4, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s6, v5, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s5, v6, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s4, v7, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s14
+; GFX7-NEXT:    v_mad_u32_u24 v0, s2, v1, v0
+; GFX7-NEXT:    v_and_b32_e32 v0, 15, v0
+; GFX7-NEXT:    buffer_store_byte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc4:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    flat_load_ubyte v2, v[0:1]
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_and_b32 s0, s2, 15
+; GFX8-NEXT:    s_and_b32 s1, s4, 15
+; GFX8-NEXT:    v_mov_b32_e32 v3, s1
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v4, s6
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v5, s5
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX8-NEXT:    v_mul_u32_u24_e32 v4, s7, v4
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x4000c
+; GFX8-NEXT:    v_and_b32_e32 v4, 15, v4
+; GFX8-NEXT:    s_bfe_u32 s7, s4, 0x40010
+; GFX8-NEXT:    v_mov_b32_e32 v6, s5
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s8, s4, 0x40014
+; GFX8-NEXT:    v_mov_b32_e32 v7, s7
+; GFX8-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s9, s4, 0x40018
+; GFX8-NEXT:    v_mov_b32_e32 v8, s8
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GFX8-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX8-NEXT:    v_mov_b32_e32 v9, s9
+; GFX8-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX8-NEXT:    s_waitcnt vmcnt(0)
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v5, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX8-NEXT:    v_add_u32_e32 v2, vcc, v4, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s5, v7, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v8, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s8, v9, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s4
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX8-NEXT:    flat_store_byte v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc4:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    global_load_ubyte v2, v[0:1], off
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_and_b32 s0, s2, 15
+; GFX9-NEXT:    s_and_b32 s1, s4, 15
+; GFX9-NEXT:    v_mov_b32_e32 v3, s1
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX9-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v4, s6
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v5, s5
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX9-NEXT:    v_mul_u32_u24_e32 v4, s7, v4
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x4000c
+; GFX9-NEXT:    v_and_b32_e32 v4, 15, v4
+; GFX9-NEXT:    s_bfe_u32 s7, s4, 0x40010
+; GFX9-NEXT:    v_mov_b32_e32 v6, s5
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s8, s4, 0x40014
+; GFX9-NEXT:    v_mov_b32_e32 v7, s7
+; GFX9-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s9, s4, 0x40018
+; GFX9-NEXT:    v_mov_b32_e32 v8, s8
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GFX9-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX9-NEXT:    v_mov_b32_e32 v9, s9
+; GFX9-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX9-NEXT:    s_waitcnt vmcnt(0)
+; GFX9-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s1, v5, v2
+; GFX9-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v4
+; GFX9-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s5, v7, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s7, v8, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s8, v9, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s4
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX9-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX9-NEXT:    global_store_byte v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc4:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    global_load_ubyte v2, v[0:1], off
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_and_b32 s0, s2, 15
+; GCN-DL-NEXT:    s_and_b32 s1, s4, 15
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s1
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GCN-DL-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s6
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s5
+; GCN-DL-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GCN-DL-NEXT:    v_mul_u32_u24_e32 v4, s7, v4
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x4000c
+; GCN-DL-NEXT:    v_and_b32_e32 v4, 15, v4
+; GCN-DL-NEXT:    s_bfe_u32 s7, s4, 0x40010
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s5
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GCN-DL-NEXT:    s_bfe_u32 s8, s4, 0x40014
+; GCN-DL-NEXT:    v_mov_b32_e32 v7, s7
+; GCN-DL-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s9, s4, 0x40018
+; GCN-DL-NEXT:    v_mov_b32_e32 v8, s8
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GCN-DL-NEXT:    s_lshr_b32 s4, s4, 28
+; GCN-DL-NEXT:    v_mov_b32_e32 v9, s9
+; GCN-DL-NEXT:    s_lshr_b32 s2, s2, 28
+; GCN-DL-NEXT:    s_waitcnt vmcnt(0)
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s1, v5, v2
+; GCN-DL-NEXT:    v_and_b32_e32 v2, 15, v2
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v4
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s5, v7, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s7, v8, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s8, v9, v2
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s4
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GCN-DL-NEXT:    v_and_b32_e32 v2, 15, v2
+; GCN-DL-NEXT:    global_store_byte v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                      <8 x i4> addrspace(1)* %src2,
+                                      i4 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %v1e0 = extractelement <8 x i4> %vec1, i64 0
+  %v2e0 = extractelement <8 x i4> %vec2, i64 0
+  %mul0 = mul nuw nsw i4 %v1e0, %v2e0
+
+  %v1e1 = extractelement <8 x i4> %vec1, i64 1
+  %v2e1 = extractelement <8 x i4> %vec2, i64 1
+  %mul1 = mul nuw nsw i4 %v1e1, %v2e1
+
+  %v1e2 = extractelement <8 x i4> %vec1, i64 2
+  %v2e2 = extractelement <8 x i4> %vec2, i64 2
+  %mul2 = mul nuw nsw i4 %v1e2, %v2e2
+
+  %v1e3 = extractelement <8 x i4> %vec1, i64 3
+  %v2e3 = extractelement <8 x i4> %vec2, i64 3
+  %mul3 = mul nuw nsw i4 %v1e3, %v2e3
+
+  %v1e4 = extractelement <8 x i4> %vec1, i64 4
+  %v2e4 = extractelement <8 x i4> %vec2, i64 4
+  %mul4 = mul nuw nsw i4 %v1e4, %v2e4
+
+  %v1e5 = extractelement <8 x i4> %vec1, i64 5
+  %v2e5 = extractelement <8 x i4> %vec2, i64 5
+  %mul5 = mul nuw nsw i4 %v1e5, %v2e5
+
+  %v1e6 = extractelement <8 x i4> %vec1, i64 6
+  %v2e6 = extractelement <8 x i4> %vec2, i64 6
+  %mul6 = mul nuw nsw i4 %v1e6, %v2e6
+
+  %v1e7 = extractelement <8 x i4> %vec1, i64 7
+  %v2e7 = extractelement <8 x i4> %vec2, i64 7
+  %mul7 = mul nuw nsw i4 %v1e7, %v2e7
+
+  %acc = load i4, i4 addrspace(1)* %dst, align 4
+  %add1 = add i4 %mul0, %acc
+  %add2 = add i4 %add1, %mul1
+  %add3 = add i4 %add2, %mul2
+  %add4 = add i4 %add3, %mul3
+  %add5 = add i4 %add4, %mul4
+  %add6 = add i4 %add5, %mul5
+  %add7 = add i4 %add6, %mul6
+  %add8 = add i4 %add7, %mul7
+
+  store i4 %add8, i4 addrspace(1)* %dst, align 4
+  ret void
+}
+
+; TODO: Currently, permutation of udot8 is turned off due to a huge increase
+; in the compile time.
+define amdgpu_kernel void @udot8_CommutationInsideMAD(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_CommutationInsideMAD:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[8:9], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s11, 0xf000
+; GFX7-NEXT:    s_mov_b32 s10, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[4:5], 0x0
+; GFX7-NEXT:    buffer_load_ubyte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_load_dword s1, s[6:7], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s2, s0, 28
+; GFX7-NEXT:    s_bfe_u32 s4, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s15, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40004
+; GFX7-NEXT:    s_lshr_b32 s14, s1, 28
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s5, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s6, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s7, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v1, s1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mov_b32_e32 v3, s19
+; GFX7-NEXT:    v_mov_b32_e32 v4, s18
+; GFX7-NEXT:    v_mov_b32_e32 v5, s17
+; GFX7-NEXT:    v_mov_b32_e32 v6, s16
+; GFX7-NEXT:    v_mov_b32_e32 v7, s15
+; GFX7-NEXT:    s_waitcnt vmcnt(0)
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v1, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s13, v2, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s12, v3, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s7, v4, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s6, v5, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s5, v6, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s4, v7, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s14
+; GFX7-NEXT:    v_mad_u32_u24 v0, s2, v1, v0
+; GFX7-NEXT:    v_and_b32_e32 v0, 15, v0
+; GFX7-NEXT:    buffer_store_byte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_CommutationInsideMAD:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    flat_load_ubyte v2, v[0:1]
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_and_b32 s0, s2, 15
+; GFX8-NEXT:    s_and_b32 s1, s4, 15
+; GFX8-NEXT:    v_mov_b32_e32 v3, s1
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v4, s5
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GFX8-NEXT:    v_mov_b32_e32 v5, s6
+; GFX8-NEXT:    s_bfe_u32 s5, s2, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GFX8-NEXT:    v_mov_b32_e32 v6, s7
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s9, s4, 0x40014
+; GFX8-NEXT:    v_mov_b32_e32 v7, s8
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s10, s4, 0x40018
+; GFX8-NEXT:    v_mov_b32_e32 v8, s9
+; GFX8-NEXT:    s_bfe_u32 s8, s2, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s9, s2, 0x40018
+; GFX8-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX8-NEXT:    v_mov_b32_e32 v9, s10
+; GFX8-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX8-NEXT:    s_waitcnt vmcnt(0)
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s5, v5, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v7, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s8, v8, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s9, v9, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s4
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX8-NEXT:    flat_store_byte v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_CommutationInsideMAD:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    global_load_ubyte v2, v[0:1], off
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_and_b32 s0, s2, 15
+; GFX9-NEXT:    s_and_b32 s1, s4, 15
+; GFX9-NEXT:    v_mov_b32_e32 v3, s1
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX9-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v4, s5
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX9-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GFX9-NEXT:    v_mov_b32_e32 v5, s6
+; GFX9-NEXT:    s_bfe_u32 s5, s2, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GFX9-NEXT:    v_mov_b32_e32 v6, s7
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s9, s4, 0x40014
+; GFX9-NEXT:    v_mov_b32_e32 v7, s8
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s10, s4, 0x40018
+; GFX9-NEXT:    v_mov_b32_e32 v8, s9
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s9, s2, 0x40018
+; GFX9-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX9-NEXT:    v_mov_b32_e32 v9, s10
+; GFX9-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX9-NEXT:    s_waitcnt vmcnt(0)
+; GFX9-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s5, v5, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s7, v7, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s8, v8, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s9, v9, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s4
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX9-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX9-NEXT:    global_store_byte v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_CommutationInsideMAD:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    global_load_ubyte v2, v[0:1], off
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_and_b32 s0, s2, 15
+; GCN-DL-NEXT:    s_and_b32 s1, s4, 15
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s1
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GCN-DL-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s5
+; GCN-DL-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GCN-DL-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s6
+; GCN-DL-NEXT:    s_bfe_u32 s5, s2, 0x40008
+; GCN-DL-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s7
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GCN-DL-NEXT:    s_bfe_u32 s9, s4, 0x40014
+; GCN-DL-NEXT:    v_mov_b32_e32 v7, s8
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s10, s4, 0x40018
+; GCN-DL-NEXT:    v_mov_b32_e32 v8, s9
+; GCN-DL-NEXT:    s_bfe_u32 s8, s2, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s9, s2, 0x40018
+; GCN-DL-NEXT:    s_lshr_b32 s4, s4, 28
+; GCN-DL-NEXT:    v_mov_b32_e32 v9, s10
+; GCN-DL-NEXT:    s_lshr_b32 s2, s2, 28
+; GCN-DL-NEXT:    s_waitcnt vmcnt(0)
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s5, v5, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s7, v7, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s8, v8, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s9, v9, v2
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s4
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GCN-DL-NEXT:    v_and_b32_e32 v2, 15, v2
+; GCN-DL-NEXT:    global_store_byte v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                                      <8 x i4> addrspace(1)* %src2,
+                                                      i4 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %v1e0 = extractelement <8 x i4> %vec1, i64 0
+  %v2e0 = extractelement <8 x i4> %vec2, i64 0
+  %mul0 = mul nuw nsw i4 %v1e0, %v2e0
+
+  %v1e1 = extractelement <8 x i4> %vec1, i64 1
+  %v2e1 = extractelement <8 x i4> %vec2, i64 1
+  %mul1 = mul nuw nsw i4 %v1e1, %v2e1
+
+  %v1e2 = extractelement <8 x i4> %vec1, i64 2
+  %v2e2 = extractelement <8 x i4> %vec2, i64 2
+  %mul2 = mul nuw nsw i4 %v1e2, %v2e2
+
+  %v1e3 = extractelement <8 x i4> %vec1, i64 3
+  %v2e3 = extractelement <8 x i4> %vec2, i64 3
+  %mul3 = mul nuw nsw i4 %v1e3, %v2e3
+
+  %v1e4 = extractelement <8 x i4> %vec1, i64 4
+  %v2e4 = extractelement <8 x i4> %vec2, i64 4
+  %mul4 = mul nuw nsw i4 %v1e4, %v2e4
+
+  %v1e5 = extractelement <8 x i4> %vec1, i64 5
+  %v2e5 = extractelement <8 x i4> %vec2, i64 5
+  %mul5 = mul nuw nsw i4 %v1e5, %v2e5
+
+  %v1e6 = extractelement <8 x i4> %vec1, i64 6
+  %v2e6 = extractelement <8 x i4> %vec2, i64 6
+  %mul6 = mul nuw nsw i4 %v1e6, %v2e6
+
+  %v1e7 = extractelement <8 x i4> %vec1, i64 7
+  %v2e7 = extractelement <8 x i4> %vec2, i64 7
+  %mul7 = mul nuw nsw i4 %v1e7, %v2e7
+
+  %acc = load i4, i4 addrspace(1)* %dst, align 4
+  %add1 = add i4 %mul0, %acc
+  %add2 = add i4 %mul1, %add1
+  %add3 = add i4 %mul2, %add2
+  %add4 = add i4 %mul3, %add3
+  %add5 = add i4 %mul4, %add4
+  %add6 = add i4 %mul5, %add5
+  %add7 = add i4 %mul6, %add6
+  %add8 = add i4 %mul7, %add7
+
+  store i4 %add8, i4 addrspace(1)* %dst, align 4
+  ret void
+}
+
+define amdgpu_kernel void @udot8_multiuses_mul1(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_multiuses_mul1:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[8:11], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[4:5], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s7, 0xf000
+; GFX7-NEXT:    s_mov_b32 s6, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[8:9], 0x0
+; GFX7-NEXT:    s_load_dword s1, s[10:11], 0x0
+; GFX7-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s8, s0, 28
+; GFX7-NEXT:    s_bfe_u32 s21, s1, 0x40004
+; GFX7-NEXT:    s_lshr_b32 s15, s1, 28
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40008
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s9, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s10, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s11, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s14, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v0, s1
+; GFX7-NEXT:    v_mov_b32_e32 v1, s2
+; GFX7-NEXT:    v_mad_u32_u24 v1, s0, v0, v1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s21
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v0, v1
+; GFX7-NEXT:    v_mad_u32_u24 v1, s14, v2, v1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mad_u32_u24 v1, s13, v2, v1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s19
+; GFX7-NEXT:    v_mad_u32_u24 v1, s12, v2, v1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s18
+; GFX7-NEXT:    v_mad_u32_u24 v1, s11, v2, v1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s17
+; GFX7-NEXT:    v_mad_u32_u24 v1, s10, v2, v1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s16
+; GFX7-NEXT:    v_mad_u32_u24 v1, s9, v2, v1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s15
+; GFX7-NEXT:    v_mad_u32_u24 v1, s8, v2, v1
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v1, v0
+; GFX7-NEXT:    buffer_store_dword v0, off, s[4:7], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_multiuses_mul1:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_lshr_b32 s0, s2, 28
+; GFX8-NEXT:    s_bfe_u32 s17, s4, 0x40004
+; GFX8-NEXT:    s_lshr_b32 s11, s4, 28
+; GFX8-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX8-NEXT:    s_bfe_u32 s13, s4, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s14, s4, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s15, s4, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s16, s4, 0x40008
+; GFX8-NEXT:    s_and_b32 s4, s4, 15
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40018
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s8, s2, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s10, s2, 0x40004
+; GFX8-NEXT:    s_and_b32 s2, s2, 15
+; GFX8-NEXT:    v_mov_b32_e32 v2, s4
+; GFX8-NEXT:    v_mov_b32_e32 v3, s5
+; GFX8-NEXT:    v_mad_u32_u24 v3, s2, v2, v3
+; GFX8-NEXT:    v_mov_b32_e32 v4, s17
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v2, v3
+; GFX8-NEXT:    v_mad_u32_u24 v3, s10, v4, v3
+; GFX8-NEXT:    v_mov_b32_e32 v4, s16
+; GFX8-NEXT:    v_mad_u32_u24 v3, s9, v4, v3
+; GFX8-NEXT:    v_mov_b32_e32 v4, s15
+; GFX8-NEXT:    v_mad_u32_u24 v3, s8, v4, v3
+; GFX8-NEXT:    v_mov_b32_e32 v4, s14
+; GFX8-NEXT:    v_mad_u32_u24 v3, s7, v4, v3
+; GFX8-NEXT:    v_mov_b32_e32 v4, s13
+; GFX8-NEXT:    v_mad_u32_u24 v3, s6, v4, v3
+; GFX8-NEXT:    v_mov_b32_e32 v4, s12
+; GFX8-NEXT:    v_mad_u32_u24 v3, s1, v4, v3
+; GFX8-NEXT:    v_mov_b32_e32 v4, s11
+; GFX8-NEXT:    v_mad_u32_u24 v3, s0, v4, v3
+; GFX8-NEXT:    v_add_u32_e32 v2, vcc, v3, v2
+; GFX8-NEXT:    flat_store_dword v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_multiuses_mul1:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_lshr_b32 s0, s2, 28
+; GFX9-NEXT:    s_bfe_u32 s17, s4, 0x40004
+; GFX9-NEXT:    s_lshr_b32 s11, s4, 28
+; GFX9-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX9-NEXT:    s_bfe_u32 s13, s4, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s14, s4, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s15, s4, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s16, s4, 0x40008
+; GFX9-NEXT:    s_and_b32 s4, s4, 15
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40018
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s10, s2, 0x40004
+; GFX9-NEXT:    s_and_b32 s2, s2, 15
+; GFX9-NEXT:    v_mov_b32_e32 v2, s4
+; GFX9-NEXT:    v_mov_b32_e32 v3, s5
+; GFX9-NEXT:    v_mad_u32_u24 v3, s2, v2, v3
+; GFX9-NEXT:    v_mov_b32_e32 v4, s17
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v2, v3
+; GFX9-NEXT:    v_mad_u32_u24 v3, s10, v4, v3
+; GFX9-NEXT:    v_mov_b32_e32 v4, s16
+; GFX9-NEXT:    v_mad_u32_u24 v3, s9, v4, v3
+; GFX9-NEXT:    v_mov_b32_e32 v4, s15
+; GFX9-NEXT:    v_mad_u32_u24 v3, s8, v4, v3
+; GFX9-NEXT:    v_mov_b32_e32 v4, s14
+; GFX9-NEXT:    v_mad_u32_u24 v3, s7, v4, v3
+; GFX9-NEXT:    v_mov_b32_e32 v4, s13
+; GFX9-NEXT:    v_mad_u32_u24 v3, s6, v4, v3
+; GFX9-NEXT:    v_mov_b32_e32 v4, s12
+; GFX9-NEXT:    v_mad_u32_u24 v3, s1, v4, v3
+; GFX9-NEXT:    v_mov_b32_e32 v4, s11
+; GFX9-NEXT:    v_mad_u32_u24 v3, s0, v4, v3
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v3
+; GFX9-NEXT:    global_store_dword v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_multiuses_mul1:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_lshr_b32 s0, s2, 28
+; GCN-DL-NEXT:    s_bfe_u32 s17, s4, 0x40004
+; GCN-DL-NEXT:    s_lshr_b32 s11, s4, 28
+; GCN-DL-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GCN-DL-NEXT:    s_bfe_u32 s13, s4, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s14, s4, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s15, s4, 0x4000c
+; GCN-DL-NEXT:    s_bfe_u32 s16, s4, 0x40008
+; GCN-DL-NEXT:    s_and_b32 s4, s4, 15
+; GCN-DL-NEXT:    s_bfe_u32 s1, s2, 0x40018
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s8, s2, 0x4000c
+; GCN-DL-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GCN-DL-NEXT:    s_bfe_u32 s10, s2, 0x40004
+; GCN-DL-NEXT:    s_and_b32 s2, s2, 15
+; GCN-DL-NEXT:    v_mov_b32_e32 v2, s4
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s5
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s2, v2, v3
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s17
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s2, v2, v3
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s10, v4, v3
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s16
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s9, v4, v3
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s15
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s8, v4, v3
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s14
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s7, v4, v3
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s13
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s6, v4, v3
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s12
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s1, v4, v3
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s11
+; GCN-DL-NEXT:    v_mad_u32_u24 v3, s0, v4, v3
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v3
+; GCN-DL-NEXT:    global_store_dword v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                                <8 x i4> addrspace(1)* %src2,
+                                                i32 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %v1e0 = extractelement <8 x i4> %vec1, i64 0
+  %cv1e0 = zext i4 %v1e0 to i32
+  %v2e0 = extractelement <8 x i4> %vec2, i64 0
+  %cv2e0 = zext i4 %v2e0 to i32
+  %mul0 = mul nuw nsw i32 %cv1e0, %cv2e0
+
+  %v1e1 = extractelement <8 x i4> %vec1, i64 1
+  %cv1e1 = zext i4 %v1e1 to i32
+  %v2e1 = extractelement <8 x i4> %vec2, i64 1
+  %cv2e1 = zext i4 %v2e1 to i32
+  %mul1 = mul nuw nsw i32 %cv1e1, %cv2e1
+
+  %v1e2 = extractelement <8 x i4> %vec1, i64 2
+  %cv1e2 = zext i4 %v1e2 to i32
+  %v2e2 = extractelement <8 x i4> %vec2, i64 2
+  %cv2e2 = zext i4 %v2e2 to i32
+  %mul2 = mul nuw nsw i32 %cv1e2, %cv2e2
+
+  %v1e3 = extractelement <8 x i4> %vec1, i64 3
+  %cv1e3 = zext i4 %v1e3 to i32
+  %v2e3 = extractelement <8 x i4> %vec2, i64 3
+  %cv2e3 = zext i4 %v2e3 to i32
+  %mul3 = mul nuw nsw i32 %cv1e3, %cv2e3
+
+  %v1e4 = extractelement <8 x i4> %vec1, i64 4
+  %cv1e4 = zext i4 %v1e4 to i32
+  %v2e4 = extractelement <8 x i4> %vec2, i64 4
+  %cv2e4 = zext i4 %v2e4 to i32
+  %mul4 = mul nuw nsw i32 %cv1e4, %cv2e4
+
+  %v1e5 = extractelement <8 x i4> %vec1, i64 5
+  %cv1e5 = zext i4 %v1e5 to i32
+  %v2e5 = extractelement <8 x i4> %vec2, i64 5
+  %cv2e5 = zext i4 %v2e5 to i32
+  %mul5 = mul nuw nsw i32 %cv1e5, %cv2e5
+
+  %v1e6 = extractelement <8 x i4> %vec1, i64 6
+  %cv1e6 = zext i4 %v1e6 to i32
+  %v2e6 = extractelement <8 x i4> %vec2, i64 6
+  %cv2e6 = zext i4 %v2e6 to i32
+  %mul6 = mul nuw nsw i32 %cv1e6, %cv2e6
+
+  %v1e7 = extractelement <8 x i4> %vec1, i64 7
+  %cv1e7 = zext i4 %v1e7 to i32
+  %v2e7 = extractelement <8 x i4> %vec2, i64 7
+  %cv2e7 = zext i4 %v2e7 to i32
+  %mul7 = mul nuw nsw i32 %cv1e7, %cv2e7
+
+  %acc = load i32, i32 addrspace(1)* %dst, align 4
+  %add1 = add i32 %mul0, %acc
+  %add = add i32  %mul0, %add1
+  %add2 = add i32 %add1, %mul1
+  %add3 = add i32 %add2, %mul2
+  %add4 = add i32 %add3, %mul3
+  %add5 = add i32 %add4, %mul4
+  %add6 = add i32 %add5, %mul5
+  %add7 = add i32 %add6, %mul6
+  %add8 = add i32 %add7, %mul7
+
+  %res = add i32 %add, %add8
+  store i32 %res, i32 addrspace(1)* %dst, align 4
+  ret void
+}
+
+define amdgpu_kernel void @udot8_acc32_vecMul(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc32_vecMul:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[8:11], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[4:5], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s7, 0xf000
+; GFX7-NEXT:    s_mov_b32 s6, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[8:9], 0x0
+; GFX7-NEXT:    s_load_dword s1, s[10:11], 0x0
+; GFX7-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s8, s0, 28
+; GFX7-NEXT:    s_lshr_b32 s15, s1, 28
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s21, s1, 0x40004
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s9, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s10, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s11, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s14, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v0, s1
+; GFX7-NEXT:    v_mov_b32_e32 v1, s2
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v0, v1
+; GFX7-NEXT:    v_mov_b32_e32 v1, s21
+; GFX7-NEXT:    v_mad_u32_u24 v0, s14, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s20
+; GFX7-NEXT:    v_mad_u32_u24 v0, s13, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s19
+; GFX7-NEXT:    v_mad_u32_u24 v0, s12, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s18
+; GFX7-NEXT:    v_mad_u32_u24 v0, s11, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s17
+; GFX7-NEXT:    v_mad_u32_u24 v0, s10, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s16
+; GFX7-NEXT:    v_mad_u32_u24 v0, s9, v1, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s15
+; GFX7-NEXT:    v_mad_u32_u24 v0, s8, v1, v0
+; GFX7-NEXT:    buffer_store_dword v0, off, s[4:7], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc32_vecMul:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_lshr_b32 s0, s2, 28
+; GFX8-NEXT:    s_lshr_b32 s11, s4, 28
+; GFX8-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX8-NEXT:    s_bfe_u32 s13, s4, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s14, s4, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s15, s4, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s16, s4, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s17, s4, 0x40004
+; GFX8-NEXT:    s_and_b32 s4, s4, 15
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40018
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s8, s2, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s10, s2, 0x40004
+; GFX8-NEXT:    s_and_b32 s2, s2, 15
+; GFX8-NEXT:    v_mov_b32_e32 v2, s4
+; GFX8-NEXT:    v_mov_b32_e32 v3, s5
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v2, v3
+; GFX8-NEXT:    v_mov_b32_e32 v3, s17
+; GFX8-NEXT:    v_mad_u32_u24 v2, s10, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s16
+; GFX8-NEXT:    v_mad_u32_u24 v2, s9, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s15
+; GFX8-NEXT:    v_mad_u32_u24 v2, s8, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s14
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s13
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s12
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v3, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s11
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    flat_store_dword v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc32_vecMul:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_lshr_b32 s0, s2, 28
+; GFX9-NEXT:    s_lshr_b32 s11, s4, 28
+; GFX9-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX9-NEXT:    s_bfe_u32 s13, s4, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s14, s4, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s15, s4, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s16, s4, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s17, s4, 0x40004
+; GFX9-NEXT:    s_and_b32 s4, s4, 15
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40018
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s10, s2, 0x40004
+; GFX9-NEXT:    s_and_b32 s2, s2, 15
+; GFX9-NEXT:    v_mov_b32_e32 v2, s4
+; GFX9-NEXT:    v_mov_b32_e32 v3, s5
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v2, v3
+; GFX9-NEXT:    v_mov_b32_e32 v3, s17
+; GFX9-NEXT:    v_mad_u32_u24 v2, s10, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s16
+; GFX9-NEXT:    v_mad_u32_u24 v2, s9, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s15
+; GFX9-NEXT:    v_mad_u32_u24 v2, s8, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s14
+; GFX9-NEXT:    v_mad_u32_u24 v2, s7, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s13
+; GFX9-NEXT:    v_mad_u32_u24 v2, s6, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s12
+; GFX9-NEXT:    v_mad_u32_u24 v2, s1, v3, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s11
+; GFX9-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX9-NEXT:    global_store_dword v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc32_vecMul:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    s_load_dword s5, s[0:1], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    v_mov_b32_e32 v2, s4
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s5
+; GCN-DL-NEXT:    v_dot8_u32_u4 v2, s2, v2, v3
+; GCN-DL-NEXT:    global_store_dword v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                              <8 x i4> addrspace(1)* %src2,
+                                              i32 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %cvec1 = zext <8 x i4> %vec1 to <8 x i32>
+  %cvec2 = zext <8 x i4> %vec2 to <8 x i32>
+
+  %mul = mul <8 x i32> %cvec1, %cvec2
+  %mul0 = extractelement <8 x i32> %mul, i64 0
+  %mul1 = extractelement <8 x i32> %mul, i64 1
+  %mul2 = extractelement <8 x i32> %mul, i64 2
+  %mul3 = extractelement <8 x i32> %mul, i64 3
+  %mul4 = extractelement <8 x i32> %mul, i64 4
+  %mul5 = extractelement <8 x i32> %mul, i64 5
+  %mul6 = extractelement <8 x i32> %mul, i64 6
+  %mul7 = extractelement <8 x i32> %mul, i64 7
+
+  %acc = load i32, i32 addrspace(1)* %dst, align 4
+  %add1 = add i32 %mul0, %acc
+  %add2 = add i32 %add1, %mul1
+  %add3 = add i32 %add2, %mul2
+  %add4 = add i32 %add3, %mul3
+  %add5 = add i32 %add4, %mul4
+  %add6 = add i32 %add5, %mul5
+  %add7 = add i32 %add6, %mul6
+  %add8 = add i32 %add7, %mul7
+
+  store i32 %add8, i32 addrspace(1)* %dst, align 4
+  ret void
+}
+
+; TODO: Clean up the code(by default pk_mad_I16 should be generated), then
+; support the pattern.
+define amdgpu_kernel void @udot8_acc16_vecMul(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc16_vecMul:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[8:11], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[4:5], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s7, 0xf000
+; GFX7-NEXT:    s_mov_b32 s6, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[8:9], 0x0
+; GFX7-NEXT:    buffer_load_ushort v0, off, s[4:7], 0
+; GFX7-NEXT:    s_load_dword s1, s[10:11], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_bfe_u32 s11, s0, 0x40004
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x40004
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x4000c
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mov_b32_e32 v4, s18
+; GFX7-NEXT:    s_bfe_u32 s14, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s15, s1, 0x40010
+; GFX7-NEXT:    s_lshr_b32 s16, s1, 28
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40018
+; GFX7-NEXT:    s_and_b32 s19, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s1, s1, 0x40008
+; GFX7-NEXT:    v_mul_u32_u24_e32 v2, s13, v2
+; GFX7-NEXT:    v_mul_u32_u24_e32 v4, s11, v4
+; GFX7-NEXT:    s_bfe_u32 s2, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s8, s0, 0x40010
+; GFX7-NEXT:    s_lshr_b32 s9, s0, 28
+; GFX7-NEXT:    v_mov_b32_e32 v6, s16
+; GFX7-NEXT:    s_bfe_u32 s10, s0, 0x40018
+; GFX7-NEXT:    s_and_b32 s12, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v3, s19
+; GFX7-NEXT:    s_bfe_u32 s0, s0, 0x40008
+; GFX7-NEXT:    v_mov_b32_e32 v1, s1
+; GFX7-NEXT:    v_mov_b32_e32 v5, s17
+; GFX7-NEXT:    v_mul_u32_u24_e32 v6, s9, v6
+; GFX7-NEXT:    v_mul_u32_u24_e32 v1, s0, v1
+; GFX7-NEXT:    v_lshlrev_b32_e32 v2, 16, v2
+; GFX7-NEXT:    v_mul_u32_u24_e32 v3, s12, v3
+; GFX7-NEXT:    v_lshlrev_b32_e32 v4, 16, v4
+; GFX7-NEXT:    v_or_b32_e32 v1, v1, v2
+; GFX7-NEXT:    v_or_b32_e32 v2, v3, v4
+; GFX7-NEXT:    v_mul_u32_u24_e32 v5, s10, v5
+; GFX7-NEXT:    v_lshlrev_b32_e32 v6, 16, v6
+; GFX7-NEXT:    v_mov_b32_e32 v8, s14
+; GFX7-NEXT:    v_or_b32_e32 v3, v5, v6
+; GFX7-NEXT:    v_alignbit_b32 v5, v1, v2, 16
+; GFX7-NEXT:    v_mov_b32_e32 v7, s15
+; GFX7-NEXT:    v_mul_u32_u24_e32 v8, s2, v8
+; GFX7-NEXT:    v_mul_u32_u24_e32 v7, s8, v7
+; GFX7-NEXT:    v_lshlrev_b32_e32 v8, 16, v8
+; GFX7-NEXT:    v_lshrrev_b32_e32 v6, 16, v1
+; GFX7-NEXT:    v_or_b32_e32 v4, v7, v8
+; GFX7-NEXT:    v_lshrrev_b32_e32 v7, 16, v4
+; GFX7-NEXT:    v_lshrrev_b32_e32 v8, 16, v3
+; GFX7-NEXT:    s_waitcnt vmcnt(0)
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v0, v2
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v5, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v0, v1
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v6, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v4, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v7, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v3, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v8, v0
+; GFX7-NEXT:    buffer_store_short v0, off, s[4:7], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc16_vecMul:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    flat_load_ushort v2, v[0:1]
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_and_b32 s0, s2, 15
+; GFX8-NEXT:    s_and_b32 s1, s4, 15
+; GFX8-NEXT:    v_mov_b32_e32 v3, s1
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX8-NEXT:    v_mov_b32_e32 v4, s5
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GFX8-NEXT:    s_bfe_u32 s8, s4, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s10, s4, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s12, s4, 0x40018
+; GFX8-NEXT:    s_lshr_b32 s14, s4, 28
+; GFX8-NEXT:    s_bfe_u32 s4, s4, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v5, s5
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x4000c
+; GFX8-NEXT:    v_mov_b32_e32 v6, s4
+; GFX8-NEXT:    s_bfe_u32 s9, s2, 0x40010
+; GFX8-NEXT:    v_mov_b32_e32 v7, s8
+; GFX8-NEXT:    s_bfe_u32 s11, s2, 0x40014
+; GFX8-NEXT:    v_mov_b32_e32 v8, s10
+; GFX8-NEXT:    s_bfe_u32 s13, s2, 0x40018
+; GFX8-NEXT:    v_mov_b32_e32 v9, s12
+; GFX8-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX8-NEXT:    s_waitcnt vmcnt(0)
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v4, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 0xffff, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v5, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v6, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s9, v7, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s11, v8, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s13, v9, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s14
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX8-NEXT:    flat_store_short v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc16_vecMul:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    global_load_ushort v2, v[0:1], off
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_and_b32 s0, s2, 15
+; GFX9-NEXT:    s_and_b32 s1, s4, 15
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX9-NEXT:    s_pack_ll_b32_b16 s1, s1, s5
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40004
+; GFX9-NEXT:    s_pack_ll_b32_b16 s0, s0, s6
+; GFX9-NEXT:    v_mov_b32_e32 v3, s1
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GFX9-NEXT:    s_pack_ll_b32_b16 s5, s5, s7
+; GFX9-NEXT:    v_pk_mul_lo_u16 v3, s0, v3
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GFX9-NEXT:    s_pack_ll_b32_b16 s1, s1, s6
+; GFX9-NEXT:    v_mov_b32_e32 v4, s5
+; GFX9-NEXT:    s_bfe_u32 s0, s4, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s7, s4, 0x40014
+; GFX9-NEXT:    s_pack_ll_b32_b16 s0, s0, s7
+; GFX9-NEXT:    v_pk_mul_lo_u16 v4, s1, v4
+; GFX9-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s1, s4, 0x40018
+; GFX9-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX9-NEXT:    v_mov_b32_e32 v5, s0
+; GFX9-NEXT:    s_pack_ll_b32_b16 s5, s5, s6
+; GFX9-NEXT:    s_bfe_u32 s0, s2, 0x40018
+; GFX9-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX9-NEXT:    s_pack_ll_b32_b16 s1, s1, s4
+; GFX9-NEXT:    v_pk_mul_lo_u16 v5, s5, v5
+; GFX9-NEXT:    s_pack_ll_b32_b16 s0, s0, s2
+; GFX9-NEXT:    v_mov_b32_e32 v6, s1
+; GFX9-NEXT:    v_pk_mul_lo_u16 v6, s0, v6
+; GFX9-NEXT:    s_waitcnt vmcnt(0)
+; GFX9-NEXT:    v_add_u32_e32 v2, v3, v2
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:BYTE_0
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v5
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v5 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v6
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v6 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GFX9-NEXT:    global_store_short v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc16_vecMul:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    global_load_ushort v2, v[0:1], off
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_and_b32 s0, s2, 15
+; GCN-DL-NEXT:    s_and_b32 s1, s4, 15
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s1, s1, s5
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x40004
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s0, s0, s6
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s1
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40008
+; GCN-DL-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s5, s5, s7
+; GCN-DL-NEXT:    v_pk_mul_lo_u16 v3, s0, v3
+; GCN-DL-NEXT:    s_bfe_u32 s1, s2, 0x40008
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s1, s1, s6
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s5
+; GCN-DL-NEXT:    s_bfe_u32 s0, s4, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s7, s4, 0x40014
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s0, s0, s7
+; GCN-DL-NEXT:    v_pk_mul_lo_u16 v4, s1, v4
+; GCN-DL-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s1, s4, 0x40018
+; GCN-DL-NEXT:    s_lshr_b32 s4, s4, 28
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s0
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s5, s5, s6
+; GCN-DL-NEXT:    s_bfe_u32 s0, s2, 0x40018
+; GCN-DL-NEXT:    s_lshr_b32 s2, s2, 28
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s1, s1, s4
+; GCN-DL-NEXT:    v_pk_mul_lo_u16 v5, s5, v5
+; GCN-DL-NEXT:    s_pack_ll_b32_b16 s0, s0, s2
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s1
+; GCN-DL-NEXT:    v_pk_mul_lo_u16 v6, s0, v6
+; GCN-DL-NEXT:    s_waitcnt vmcnt(0)
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v3, v2
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:BYTE_0
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v5
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v5 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v6
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v6 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GCN-DL-NEXT:    global_store_short v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                              <8 x i4> addrspace(1)* %src2,
+                                              i16 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %cvec1 = zext <8 x i4> %vec1 to <8 x i16>
+  %cvec2 = zext <8 x i4> %vec2 to <8 x i16>
+
+  %mul = mul <8 x i16> %cvec1, %cvec2
+  %mul0 = extractelement <8 x i16> %mul, i64 0
+  %mul1 = extractelement <8 x i16> %mul, i64 1
+  %mul2 = extractelement <8 x i16> %mul, i64 2
+  %mul3 = extractelement <8 x i16> %mul, i64 3
+  %mul4 = extractelement <8 x i16> %mul, i64 4
+  %mul5 = extractelement <8 x i16> %mul, i64 5
+  %mul6 = extractelement <8 x i16> %mul, i64 6
+  %mul7 = extractelement <8 x i16> %mul, i64 7
+
+  %acc = load i16, i16 addrspace(1)* %dst, align 4
+  %add1 = add i16 %mul0, %acc
+  %add2 = add i16 %add1, %mul1
+  %add3 = add i16 %add2, %mul2
+  %add4 = add i16 %add3, %mul3
+  %add5 = add i16 %add4, %mul4
+  %add6 = add i16 %add5, %mul5
+  %add7 = add i16 %add6, %mul6
+  %add8 = add i16 %add7, %mul7
+
+  store i16 %add8, i16 addrspace(1)* %dst, align 4
+  ret void
+}
+
+; TODO: Cleanup the code to generate MAD; pattern should be recognized then.
+define amdgpu_kernel void @udot8_acc8_vecMul(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc8_vecMul:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[8:11], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[4:5], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s7, 0xf000
+; GFX7-NEXT:    s_mov_b32 s6, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[8:9], 0x0
+; GFX7-NEXT:    buffer_load_ubyte v0, off, s[4:7], 0
+; GFX7-NEXT:    s_load_dword s1, s[10:11], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_bfe_u32 s2, s0, 0x4000c
+; GFX7-NEXT:    s_lshr_b32 s11, s0, 28
+; GFX7-NEXT:    s_bfe_u32 s14, s1, 0x4000c
+; GFX7-NEXT:    s_lshr_b32 s18, s1, 28
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40014
+; GFX7-NEXT:    v_mov_b32_e32 v4, s18
+; GFX7-NEXT:    v_mov_b32_e32 v8, s14
+; GFX7-NEXT:    s_bfe_u32 s15, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40004
+; GFX7-NEXT:    s_and_b32 s17, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s1, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40014
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mul_u32_u24_e32 v2, s13, v2
+; GFX7-NEXT:    v_mul_u32_u24_e32 v4, s11, v4
+; GFX7-NEXT:    v_mul_u32_u24_e32 v8, s2, v8
+; GFX7-NEXT:    s_bfe_u32 s8, s0, 0x40008
+; GFX7-NEXT:    v_mov_b32_e32 v7, s15
+; GFX7-NEXT:    s_bfe_u32 s9, s0, 0x40004
+; GFX7-NEXT:    v_mov_b32_e32 v6, s16
+; GFX7-NEXT:    s_and_b32 s10, s0, 15
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x40018
+; GFX7-NEXT:    v_mov_b32_e32 v3, s19
+; GFX7-NEXT:    s_bfe_u32 s0, s0, 0x40010
+; GFX7-NEXT:    v_mov_b32_e32 v1, s1
+; GFX7-NEXT:    v_mov_b32_e32 v5, s17
+; GFX7-NEXT:    v_mul_u32_u24_e32 v6, s9, v6
+; GFX7-NEXT:    v_mul_u32_u24_e32 v1, s0, v1
+; GFX7-NEXT:    v_lshlrev_b32_e32 v2, 8, v2
+; GFX7-NEXT:    v_mul_u32_u24_e32 v3, s12, v3
+; GFX7-NEXT:    v_mul_u32_u24_e32 v7, s8, v7
+; GFX7-NEXT:    v_lshlrev_b32_e32 v4, 8, v4
+; GFX7-NEXT:    v_lshlrev_b32_e32 v8, 8, v8
+; GFX7-NEXT:    v_or_b32_e32 v1, v1, v2
+; GFX7-NEXT:    v_or_b32_e32 v2, v3, v4
+; GFX7-NEXT:    v_or_b32_e32 v4, v7, v8
+; GFX7-NEXT:    v_mul_u32_u24_e32 v5, s10, v5
+; GFX7-NEXT:    v_lshlrev_b32_e32 v6, 8, v6
+; GFX7-NEXT:    v_lshlrev_b32_e32 v2, 16, v2
+; GFX7-NEXT:    v_or_b32_e32 v3, v5, v6
+; GFX7-NEXT:    v_lshlrev_b32_e32 v4, 16, v4
+; GFX7-NEXT:    v_or_b32_e32 v1, v1, v2
+; GFX7-NEXT:    v_or_b32_e32 v2, v3, v4
+; GFX7-NEXT:    v_alignbit_b32 v3, v1, v2, 8
+; GFX7-NEXT:    v_alignbit_b32 v4, v1, v2, 16
+; GFX7-NEXT:    v_lshrrev_b32_e32 v5, 24, v2
+; GFX7-NEXT:    v_lshrrev_b32_e32 v6, 8, v1
+; GFX7-NEXT:    v_lshrrev_b32_e32 v7, 16, v1
+; GFX7-NEXT:    v_lshrrev_b32_e32 v8, 24, v1
+; GFX7-NEXT:    s_waitcnt vmcnt(0)
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v0, v2
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v3, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v4, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v5, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v0, v1
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v6, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v7, v0
+; GFX7-NEXT:    v_add_i32_e32 v0, vcc, v8, v0
+; GFX7-NEXT:    buffer_store_byte v0, off, s[4:7], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc8_vecMul:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    flat_load_ubyte v2, v[0:1]
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_bfe_u32 s0, s2, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX8-NEXT:    s_and_b32 s6, s4, 15
+; GFX8-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s8, s4, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v3, s8
+; GFX8-NEXT:    s_bfe_u32 s10, s2, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v4, s7
+; GFX8-NEXT:    v_mov_b32_e32 v5, s1
+; GFX8-NEXT:    v_mov_b32_e32 v6, s6
+; GFX8-NEXT:    v_mov_b32_e32 v7, s5
+; GFX8-NEXT:    v_mov_b32_e32 v8, s0
+; GFX8-NEXT:    s_and_b32 s9, s2, 15
+; GFX8-NEXT:    v_mul_u32_u24_sdwa v4, v5, v4 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX8-NEXT:    v_mul_u32_u24_e32 v3, s10, v3
+; GFX8-NEXT:    v_mul_u32_u24_e32 v5, s9, v6
+; GFX8-NEXT:    v_mul_u32_u24_sdwa v6, v8, v7 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX8-NEXT:    v_or_b32_e32 v5, v5, v6
+; GFX8-NEXT:    v_or_b32_sdwa v3, v3, v4 dst_sel:WORD_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX8-NEXT:    v_or_b32_sdwa v3, v5, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:DWORD
+; GFX8-NEXT:    s_bfe_u32 s0, s2, 0x40014
+; GFX8-NEXT:    s_lshr_b32 s1, s2, 28
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s6, s4, 0x40010
+; GFX8-NEXT:    s_lshr_b32 s7, s4, 28
+; GFX8-NEXT:    s_bfe_u32 s4, s4, 0x40018
+; GFX8-NEXT:    s_bfe_u32 s8, s2, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s2, s2, 0x40018
+; GFX8-NEXT:    v_mov_b32_e32 v6, s4
+; GFX8-NEXT:    v_mov_b32_e32 v7, s7
+; GFX8-NEXT:    v_mov_b32_e32 v8, s1
+; GFX8-NEXT:    v_mov_b32_e32 v9, s6
+; GFX8-NEXT:    v_mov_b32_e32 v10, s5
+; GFX8-NEXT:    v_mov_b32_e32 v11, s0
+; GFX8-NEXT:    v_lshrrev_b32_e32 v5, 8, v3
+; GFX8-NEXT:    v_mul_u32_u24_sdwa v7, v8, v7 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX8-NEXT:    v_mul_u32_u24_e32 v6, s2, v6
+; GFX8-NEXT:    v_mul_u32_u24_e32 v8, s8, v9
+; GFX8-NEXT:    v_mul_u32_u24_sdwa v9, v11, v10 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX8-NEXT:    v_or_b32_e32 v8, v8, v9
+; GFX8-NEXT:    v_or_b32_sdwa v6, v6, v7 dst_sel:WORD_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX8-NEXT:    v_or_b32_sdwa v4, v8, v6 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:DWORD
+; GFX8-NEXT:    v_lshrrev_b32_e32 v6, 8, v4
+; GFX8-NEXT:    s_waitcnt vmcnt(0)
+; GFX8-NEXT:    v_add_u32_e32 v2, vcc, v2, v3
+; GFX8-NEXT:    v_add_u32_e32 v2, vcc, v5, v2
+; GFX8-NEXT:    v_add_u32_sdwa v2, vcc, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:BYTE_0 src1_sel:BYTE_2
+; GFX8-NEXT:    v_add_u32_sdwa v2, vcc, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:BYTE_3
+; GFX8-NEXT:    v_add_u32_e32 v2, vcc, v2, v4
+; GFX8-NEXT:    v_add_u32_e32 v2, vcc, v2, v6
+; GFX8-NEXT:    v_add_u32_sdwa v2, vcc, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GFX8-NEXT:    v_add_u32_sdwa v2, vcc, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:BYTE_3
+; GFX8-NEXT:    flat_store_byte v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc8_vecMul:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    global_load_ubyte v2, v[0:1], off
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_and_b32 s0, s2, 15
+; GFX9-NEXT:    s_and_b32 s1, s4, 15
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX9-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GFX9-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GFX9-NEXT:    v_mov_b32_e32 v3, s1
+; GFX9-NEXT:    v_mov_b32_e32 v4, s5
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x40004
+; GFX9-NEXT:    v_mov_b32_e32 v5, s6
+; GFX9-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v6, s7
+; GFX9-NEXT:    s_bfe_u32 s10, s2, 0x4000c
+; GFX9-NEXT:    v_mul_lo_u16_e32 v3, s0, v3
+; GFX9-NEXT:    v_mul_lo_u16_sdwa v4, s8, v4 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX9-NEXT:    v_mul_lo_u16_e32 v5, s9, v5
+; GFX9-NEXT:    v_mul_lo_u16_sdwa v6, s10, v6 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX9-NEXT:    v_or_b32_e32 v3, v3, v4
+; GFX9-NEXT:    v_or_b32_sdwa v4, v5, v6 dst_sel:WORD_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX9-NEXT:    s_bfe_u32 s1, s4, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40018
+; GFX9-NEXT:    s_bfe_u32 s0, s4, 0x40010
+; GFX9-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX9-NEXT:    v_or_b32_sdwa v3, v3, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:DWORD
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x40010
+; GFX9-NEXT:    v_mov_b32_e32 v4, s0
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GFX9-NEXT:    v_mov_b32_e32 v5, s1
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GFX9-NEXT:    v_mov_b32_e32 v6, s5
+; GFX9-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX9-NEXT:    v_mov_b32_e32 v7, s4
+; GFX9-NEXT:    v_mul_lo_u16_e32 v4, s6, v4
+; GFX9-NEXT:    v_mul_lo_u16_sdwa v5, s7, v5 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX9-NEXT:    v_mul_lo_u16_e32 v6, s8, v6
+; GFX9-NEXT:    v_mul_lo_u16_sdwa v7, s2, v7 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX9-NEXT:    v_or_b32_e32 v4, v4, v5
+; GFX9-NEXT:    v_or_b32_sdwa v5, v6, v7 dst_sel:WORD_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GFX9-NEXT:    v_or_b32_sdwa v4, v4, v5 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:DWORD
+; GFX9-NEXT:    v_lshrrev_b32_e32 v5, 8, v3
+; GFX9-NEXT:    s_waitcnt vmcnt(0)
+; GFX9-NEXT:    v_add_u32_e32 v2, v3, v2
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v5
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:BYTE_0 src1_sel:BYTE_2
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:BYTE_3
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v4
+; GFX9-NEXT:    v_lshrrev_b32_e32 v3, 8, v4
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v3
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GFX9-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:BYTE_3
+; GFX9-NEXT:    global_store_byte v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc8_vecMul:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    global_load_ubyte v2, v[0:1], off
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_and_b32 s0, s2, 15
+; GCN-DL-NEXT:    s_and_b32 s1, s4, 15
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GCN-DL-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GCN-DL-NEXT:    s_bfe_u32 s7, s4, 0x4000c
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s1
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s5
+; GCN-DL-NEXT:    s_bfe_u32 s8, s2, 0x40004
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s6
+; GCN-DL-NEXT:    s_bfe_u32 s9, s2, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s7
+; GCN-DL-NEXT:    s_bfe_u32 s10, s2, 0x4000c
+; GCN-DL-NEXT:    v_mul_lo_u16_e32 v3, s0, v3
+; GCN-DL-NEXT:    v_mul_lo_u16_sdwa v4, s8, v4 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GCN-DL-NEXT:    v_mul_lo_u16_e32 v5, s9, v5
+; GCN-DL-NEXT:    v_mul_lo_u16_sdwa v6, s10, v6 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GCN-DL-NEXT:    v_or_b32_e32 v3, v3, v4
+; GCN-DL-NEXT:    v_or_b32_sdwa v4, v5, v6 dst_sel:WORD_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GCN-DL-NEXT:    s_bfe_u32 s1, s4, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40018
+; GCN-DL-NEXT:    s_bfe_u32 s0, s4, 0x40010
+; GCN-DL-NEXT:    s_lshr_b32 s4, s4, 28
+; GCN-DL-NEXT:    v_or_b32_sdwa v3, v3, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:DWORD
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x40010
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s0
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s1
+; GCN-DL-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s5
+; GCN-DL-NEXT:    s_lshr_b32 s2, s2, 28
+; GCN-DL-NEXT:    v_mov_b32_e32 v7, s4
+; GCN-DL-NEXT:    v_mul_lo_u16_e32 v4, s6, v4
+; GCN-DL-NEXT:    v_mul_lo_u16_sdwa v5, s7, v5 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GCN-DL-NEXT:    v_mul_lo_u16_e32 v6, s8, v6
+; GCN-DL-NEXT:    v_mul_lo_u16_sdwa v7, s2, v7 dst_sel:BYTE_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GCN-DL-NEXT:    v_or_b32_e32 v4, v4, v5
+; GCN-DL-NEXT:    v_or_b32_sdwa v5, v6, v7 dst_sel:WORD_1 dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:DWORD
+; GCN-DL-NEXT:    v_or_b32_sdwa v4, v4, v5 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:WORD_0 src1_sel:DWORD
+; GCN-DL-NEXT:    v_lshrrev_b32_e32 v5, 8, v3
+; GCN-DL-NEXT:    s_waitcnt vmcnt(0)
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v3, v2
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v5
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:BYTE_0 src1_sel:BYTE_2
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v3 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:BYTE_3
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v4
+; GCN-DL-NEXT:    v_lshrrev_b32_e32 v3, 8, v4
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v3
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:WORD_1
+; GCN-DL-NEXT:    v_add_u32_sdwa v2, v2, v4 dst_sel:DWORD dst_unused:UNUSED_PAD src0_sel:DWORD src1_sel:BYTE_3
+; GCN-DL-NEXT:    global_store_byte v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                             <8 x i4> addrspace(1)* %src2,
+                                             i8 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %cvec1 = zext <8 x i4> %vec1 to <8 x i8>
+  %cvec2 = zext <8 x i4> %vec2 to <8 x i8>
+
+  %mul = mul <8 x i8> %cvec1, %cvec2
+  %mul0 = extractelement <8 x i8> %mul, i64 0
+  %mul1 = extractelement <8 x i8> %mul, i64 1
+  %mul2 = extractelement <8 x i8> %mul, i64 2
+  %mul3 = extractelement <8 x i8> %mul, i64 3
+  %mul4 = extractelement <8 x i8> %mul, i64 4
+  %mul5 = extractelement <8 x i8> %mul, i64 5
+  %mul6 = extractelement <8 x i8> %mul, i64 6
+  %mul7 = extractelement <8 x i8> %mul, i64 7
+
+  %acc = load i8, i8 addrspace(1)* %dst, align 4
+  %add1 = add i8 %mul0, %acc
+  %add2 = add i8 %add1, %mul1
+  %add3 = add i8 %add2, %mul2
+  %add4 = add i8 %add3, %mul3
+  %add5 = add i8 %add4, %mul4
+  %add6 = add i8 %add5, %mul5
+  %add7 = add i8 %add6, %mul6
+  %add8 = add i8 %add7, %mul7
+
+  store i8 %add8, i8 addrspace(1)* %dst, align 4
+  ret void
+}
+
+; TODO: Once the adictional "and+add" are removed, the pattern will be recognized.
+define amdgpu_kernel void @udot8_acc4_vecMul(<8 x i4> addrspace(1)* %src1,
+; GFX7-LABEL: udot8_acc4_vecMul:
+; GFX7:       ; %bb.0: ; %entry
+; GFX7-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x9
+; GFX7-NEXT:    s_load_dwordx2 s[8:9], s[0:1], 0xd
+; GFX7-NEXT:    s_mov_b32 s11, 0xf000
+; GFX7-NEXT:    s_mov_b32 s10, -1
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_load_dword s0, s[4:5], 0x0
+; GFX7-NEXT:    buffer_load_ubyte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_load_dword s1, s[6:7], 0x0
+; GFX7-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX7-NEXT:    s_lshr_b32 s2, s0, 28
+; GFX7-NEXT:    s_bfe_u32 s4, s0, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s15, s1, 0x40018
+; GFX7-NEXT:    s_bfe_u32 s16, s1, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s17, s1, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s18, s1, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s19, s1, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s20, s1, 0x40004
+; GFX7-NEXT:    s_lshr_b32 s14, s1, 28
+; GFX7-NEXT:    s_and_b32 s1, s1, 15
+; GFX7-NEXT:    s_bfe_u32 s5, s0, 0x40014
+; GFX7-NEXT:    s_bfe_u32 s6, s0, 0x40010
+; GFX7-NEXT:    s_bfe_u32 s7, s0, 0x4000c
+; GFX7-NEXT:    s_bfe_u32 s12, s0, 0x40008
+; GFX7-NEXT:    s_bfe_u32 s13, s0, 0x40004
+; GFX7-NEXT:    s_and_b32 s0, s0, 15
+; GFX7-NEXT:    v_mov_b32_e32 v1, s1
+; GFX7-NEXT:    v_mov_b32_e32 v2, s20
+; GFX7-NEXT:    v_mov_b32_e32 v3, s19
+; GFX7-NEXT:    v_mov_b32_e32 v4, s18
+; GFX7-NEXT:    v_mov_b32_e32 v5, s17
+; GFX7-NEXT:    v_mov_b32_e32 v6, s16
+; GFX7-NEXT:    v_mov_b32_e32 v7, s15
+; GFX7-NEXT:    s_waitcnt vmcnt(0)
+; GFX7-NEXT:    v_mad_u32_u24 v0, s0, v1, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s13, v2, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s12, v3, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s7, v4, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s6, v5, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s5, v6, v0
+; GFX7-NEXT:    v_mad_u32_u24 v0, s4, v7, v0
+; GFX7-NEXT:    v_mov_b32_e32 v1, s14
+; GFX7-NEXT:    v_mad_u32_u24 v0, s2, v1, v0
+; GFX7-NEXT:    v_and_b32_e32 v0, 15, v0
+; GFX7-NEXT:    buffer_store_byte v0, off, s[8:11], 0
+; GFX7-NEXT:    s_endpgm
+;
+; GFX8-LABEL: udot8_acc4_vecMul:
+; GFX8:       ; %bb.0: ; %entry
+; GFX8-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX8-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX8-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX8-NEXT:    v_mov_b32_e32 v0, s0
+; GFX8-NEXT:    v_mov_b32_e32 v1, s1
+; GFX8-NEXT:    flat_load_ubyte v2, v[0:1]
+; GFX8-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX8-NEXT:    s_and_b32 s0, s2, 15
+; GFX8-NEXT:    s_and_b32 s1, s4, 15
+; GFX8-NEXT:    v_mov_b32_e32 v3, s1
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX8-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v4, s6
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40008
+; GFX8-NEXT:    v_mov_b32_e32 v5, s5
+; GFX8-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX8-NEXT:    v_mul_u32_u24_e32 v4, s7, v4
+; GFX8-NEXT:    s_bfe_u32 s5, s4, 0x4000c
+; GFX8-NEXT:    v_and_b32_e32 v4, 15, v4
+; GFX8-NEXT:    s_bfe_u32 s7, s4, 0x40010
+; GFX8-NEXT:    v_mov_b32_e32 v6, s5
+; GFX8-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GFX8-NEXT:    s_bfe_u32 s8, s4, 0x40014
+; GFX8-NEXT:    v_mov_b32_e32 v7, s7
+; GFX8-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GFX8-NEXT:    s_bfe_u32 s9, s4, 0x40018
+; GFX8-NEXT:    v_mov_b32_e32 v8, s8
+; GFX8-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GFX8-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GFX8-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX8-NEXT:    v_mov_b32_e32 v9, s9
+; GFX8-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX8-NEXT:    s_waitcnt vmcnt(0)
+; GFX8-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s1, v5, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX8-NEXT:    v_add_u32_e32 v2, vcc, v4, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s5, v7, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s7, v8, v2
+; GFX8-NEXT:    v_mad_u32_u24 v2, s8, v9, v2
+; GFX8-NEXT:    v_mov_b32_e32 v3, s4
+; GFX8-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX8-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX8-NEXT:    flat_store_byte v[0:1], v2
+; GFX8-NEXT:    s_endpgm
+;
+; GFX9-LABEL: udot8_acc4_vecMul:
+; GFX9:       ; %bb.0: ; %entry
+; GFX9-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GFX9-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GFX9-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GFX9-NEXT:    v_mov_b32_e32 v0, s0
+; GFX9-NEXT:    v_mov_b32_e32 v1, s1
+; GFX9-NEXT:    global_load_ubyte v2, v[0:1], off
+; GFX9-NEXT:    s_waitcnt lgkmcnt(0)
+; GFX9-NEXT:    s_and_b32 s0, s2, 15
+; GFX9-NEXT:    s_and_b32 s1, s4, 15
+; GFX9-NEXT:    v_mov_b32_e32 v3, s1
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GFX9-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v4, s6
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40008
+; GFX9-NEXT:    v_mov_b32_e32 v5, s5
+; GFX9-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GFX9-NEXT:    v_mul_u32_u24_e32 v4, s7, v4
+; GFX9-NEXT:    s_bfe_u32 s5, s4, 0x4000c
+; GFX9-NEXT:    v_and_b32_e32 v4, 15, v4
+; GFX9-NEXT:    s_bfe_u32 s7, s4, 0x40010
+; GFX9-NEXT:    v_mov_b32_e32 v6, s5
+; GFX9-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GFX9-NEXT:    s_bfe_u32 s8, s4, 0x40014
+; GFX9-NEXT:    v_mov_b32_e32 v7, s7
+; GFX9-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GFX9-NEXT:    s_bfe_u32 s9, s4, 0x40018
+; GFX9-NEXT:    v_mov_b32_e32 v8, s8
+; GFX9-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GFX9-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GFX9-NEXT:    s_lshr_b32 s4, s4, 28
+; GFX9-NEXT:    v_mov_b32_e32 v9, s9
+; GFX9-NEXT:    s_lshr_b32 s2, s2, 28
+; GFX9-NEXT:    s_waitcnt vmcnt(0)
+; GFX9-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s1, v5, v2
+; GFX9-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX9-NEXT:    v_add_u32_e32 v2, v2, v4
+; GFX9-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s5, v7, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s7, v8, v2
+; GFX9-NEXT:    v_mad_u32_u24 v2, s8, v9, v2
+; GFX9-NEXT:    v_mov_b32_e32 v3, s4
+; GFX9-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GFX9-NEXT:    v_and_b32_e32 v2, 15, v2
+; GFX9-NEXT:    global_store_byte v[0:1], v2, off
+; GFX9-NEXT:    s_endpgm
+;
+; GCN-DL-LABEL: udot8_acc4_vecMul:
+; GCN-DL:       ; %bb.0: ; %entry
+; GCN-DL-NEXT:    s_load_dwordx4 s[4:7], s[0:1], 0x24
+; GCN-DL-NEXT:    s_load_dwordx2 s[0:1], s[0:1], 0x34
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_load_dword s2, s[4:5], 0x0
+; GCN-DL-NEXT:    s_load_dword s4, s[6:7], 0x0
+; GCN-DL-NEXT:    v_mov_b32_e32 v0, s0
+; GCN-DL-NEXT:    v_mov_b32_e32 v1, s1
+; GCN-DL-NEXT:    global_load_ubyte v2, v[0:1], off
+; GCN-DL-NEXT:    s_waitcnt lgkmcnt(0)
+; GCN-DL-NEXT:    s_and_b32 s0, s2, 15
+; GCN-DL-NEXT:    s_and_b32 s1, s4, 15
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s1
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x40004
+; GCN-DL-NEXT:    s_bfe_u32 s6, s4, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v4, s6
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x40008
+; GCN-DL-NEXT:    v_mov_b32_e32 v5, s5
+; GCN-DL-NEXT:    s_bfe_u32 s1, s2, 0x40004
+; GCN-DL-NEXT:    v_mul_u32_u24_e32 v4, s7, v4
+; GCN-DL-NEXT:    s_bfe_u32 s5, s4, 0x4000c
+; GCN-DL-NEXT:    v_and_b32_e32 v4, 15, v4
+; GCN-DL-NEXT:    s_bfe_u32 s7, s4, 0x40010
+; GCN-DL-NEXT:    v_mov_b32_e32 v6, s5
+; GCN-DL-NEXT:    s_bfe_u32 s6, s2, 0x4000c
+; GCN-DL-NEXT:    s_bfe_u32 s8, s4, 0x40014
+; GCN-DL-NEXT:    v_mov_b32_e32 v7, s7
+; GCN-DL-NEXT:    s_bfe_u32 s5, s2, 0x40010
+; GCN-DL-NEXT:    s_bfe_u32 s9, s4, 0x40018
+; GCN-DL-NEXT:    v_mov_b32_e32 v8, s8
+; GCN-DL-NEXT:    s_bfe_u32 s7, s2, 0x40014
+; GCN-DL-NEXT:    s_bfe_u32 s8, s2, 0x40018
+; GCN-DL-NEXT:    s_lshr_b32 s4, s4, 28
+; GCN-DL-NEXT:    v_mov_b32_e32 v9, s9
+; GCN-DL-NEXT:    s_lshr_b32 s2, s2, 28
+; GCN-DL-NEXT:    s_waitcnt vmcnt(0)
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s0, v3, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s1, v5, v2
+; GCN-DL-NEXT:    v_and_b32_e32 v2, 15, v2
+; GCN-DL-NEXT:    v_add_u32_e32 v2, v2, v4
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s6, v6, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s5, v7, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s7, v8, v2
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s8, v9, v2
+; GCN-DL-NEXT:    v_mov_b32_e32 v3, s4
+; GCN-DL-NEXT:    v_mad_u32_u24 v2, s2, v3, v2
+; GCN-DL-NEXT:    v_and_b32_e32 v2, 15, v2
+; GCN-DL-NEXT:    global_store_byte v[0:1], v2, off
+; GCN-DL-NEXT:    s_endpgm
+                                             <8 x i4> addrspace(1)* %src2,
+                                             i4 addrspace(1)* nocapture %dst) {
+entry:
+  %vec1 = load <8 x i4>, <8 x i4> addrspace(1)* %src1
+  %vec2 = load <8 x i4>, <8 x i4> addrspace(1)* %src2
+
+  %mul = mul <8 x i4> %vec1, %vec2
+  %mul0 = extractelement <8 x i4> %mul, i64 0
+  %mul1 = extractelement <8 x i4> %mul, i64 1
+  %mul2 = extractelement <8 x i4> %mul, i64 2
+  %mul3 = extractelement <8 x i4> %mul, i64 3
+  %mul4 = extractelement <8 x i4> %mul, i64 4
+  %mul5 = extractelement <8 x i4> %mul, i64 5
+  %mul6 = extractelement <8 x i4> %mul, i64 6
+  %mul7 = extractelement <8 x i4> %mul, i64 7
+
+  %acc = load i4, i4 addrspace(1)* %dst, align 4
+  %add1 = add i4 %mul0, %acc
+  %add2 = add i4 %add1, %mul1
+  %add3 = add i4 %add2, %mul2
+  %add4 = add i4 %add3, %mul3
+  %add5 = add i4 %add4, %mul4
+  %add6 = add i4 %add5, %mul5
+  %add7 = add i4 %add6, %mul6
+  %add8 = add i4 %add7, %mul7
+
+  store i4 %add8, i4 addrspace(1)* %dst, align 4
+  ret void
+}