可能是因为在使用ARM NEON Intrinsics时，代码未能正确地向量化。下面是一个范例，展示了如何使用ARM NEON Intrinsics执行向量乘法：

#include 

void vector_multiply_neon(float32_t* a, float32_t* b, float32_t* out, int size)
{
    int i;
    float32x4_t vec_a, vec_b, out_vec;
    
    for (i = 0; i < size; i += 4)
    {
        vec_a = vld1q_f32(a + i);
        vec_b = vld1q_f32(b + i);
        out_vec = vmulq_f32(vec_a, vec_b);
        vst1q_f32(out + i, out_vec);
    }
}

这里使用float32x4_t数据类型定义一个128位的向量，然后在循环中使用vld1q_f32和vst1q_f32加载和存储向量，使用vmulq_f32执行向量乘法。

通过正确使用ARM NEON Intrinsics，您应该能够在性能上获得显著的改善。