有效地找到大型数组中的最低有效设置位？

我有一个巨大的内存块（位向量），其大小N一个内存页内的位，考虑N平均为 5000，即 5k 位来存储一些标志信息。
在某个时间点（超频繁 - 关键），我需要找到整个大位向量中的第一个位集。现在我对每个 64 个单词执行此操作，即在__builtin_ctzll https://gcc.gnu.org/onlinedocs/gcc/Other-Builtins.html）。但当N增长并且搜索算法无法改进，可以通过扩展内存访问宽度来扩展此搜索。简而言之，这是主要问题

有一个汇编指令称为BSF https://www.felixcloutier.com/x86/bsf给出最高设置位的位置（GCC__builtin_ctzll()）。 所以在x86-64 /questions/tagged/x86-64arch 我可以很便宜地找到 64 位字中设置的最高位。

但是通过内存宽度进行扩展又如何呢？
例如。有没有办法用 128 / 256 / 512 位寄存器有效地做到这一点？
基本上我对一些C API函数来实现这个感兴趣，但也想知道这个方法是基于什么。

UPD:至于 CPU，我对这种优化感兴趣，以支持以下 CPU 系列：
Intel Xeon E3-12XX、Intel Xeon E5-22XX/26XX/E56XX、Intel Core i3-5XX/4XXX/8XXX、Intel Core i5-7XX、Intel Celeron G18XX/G49XX（可选配 Intel Atom N2600、Intel Celeron N2807、Cortex- A53/72)

P.S.在最终位扫描之前提到的算法中，我需要求和k（平均20-40）N位向量与 CPU AND（AND 结果只是位扫描的准备阶段）。这对于内存宽度缩放也是可取的（即比每个 64 位字 AND 更有效）

另请阅读：找到第一组 https://en.wikipedia.org/wiki/Find_first_set

这个答案是不同的，但如果您事先知道您将维护 B 位的集合，并且需要能够有效地设置和清除位，同时还要弄清楚哪个位是第一个设置的位，你可能想使用像这样的数据结构范恩德博阿斯树 https://en.wikipedia.org/wiki/Van_Emde_Boas_tree or a y-快速特里 https://en.wikipedia.org/wiki/Y-fast_trie。这些数据结构旨在存储小范围内的整数，因此您可以添加或删除要设置/清除的位的索引，而不是设置或清除各个位。它们非常快 - 您可以在 O(log log B) 时间内添加或删除项目，并且它们可以让您在 O(1) 时间内找到最小的项目。如图所示，如果 B ≈ 50000，则 log log B 约为 4。

我知道这并不直接解决如何在巨大的位向量中找到最高位集。如果您的设置必须使用位向量，那么其他答案可能会更有帮助。但是，如果您可以选择以不涉及位向量搜索的方式重新构建问题，那么这些其他数据结构可能更适合。