// 256-bit ver
__m256i k0123 = ...;
__m256i k4567 = ...;

__m256i acc32 = _mm256_setzero_si256();

// 2x VPDPBUSD
// 2p01
// Best case execution: 1p0 1p1
acc32 = _mm256_dpbusd_epi32(acc32, k0123, _mm256_load_si256(...));
acc32 = _mm256_dpbusd_epi32(acc32, k4567, _mm256_load_si256(...));

_mm256_store_si256(..., acc32);


// 512-bit ver
__m512i k0123 = ...;
__m512i k4567 = ...;

__m512i acc32 = _mm512_setzero_si512();

// 2x VPDPBUSD
// Port breakdown
//   1FMA: 2p0
//   2FMA: 2p05
// Best execution
//   1FMA: 2p0
//   2FMA: 1p0 1p5
acc32 = _mm512_dpbusd_epi32(acc32, k0123, _mm512_load_si512(...));
acc32 = _mm512_dpbusd_epi32(acc32, k4567, _mm512_load_si512(...));

_mm512_store_si512(..., acc32);