内積計算のコード高速化

質問内容
python3で作成した内積を計算するプログラムの高速化を検討しております。
はじめはfor文を使用しておりましたので、for文を使わないようにロジックをみなおしました。

下記に、ロジック修正前とロジック修正後のソースを示します。

ロジック修正により5倍ほど処理時間は速くなりましたが、さらに速くしたいと考えております。
ロジック修正後では、特に以下のループの部分がボトルネックとなっております。

dat0 = list(map(lambda x, y: np.dot(x, y), cvec.T, d_vec))

ここは内積を計算する部分です。この部分を高速化することは可能でしょうか？
なお、試しにCythonでやってみましたが、エラーが出力されました。Cythonではlamdaはサポートされていないかもしれません。
大変お手数ですが、ご回答頂けると助かります。

python
1import numpy as np
2import time as t
3
4np.random.seed(0)
5xyz = np.random.rand(4, 100000, 3)
6vec = np.random.rand(3, 100000)
7
8def main():
9
10    print('===== ロジック修正前 START =====')
11
12    start1 = t.time()
13    for i in range(100000):
14
15        x = np.array(xyz[:, i, 0])
16        y = np.array(xyz[:, i, 1])
17        z = np.array(xyz[:, i, 2])
18
19        cvec = vec[:, i]
20
21        p0 = np.array([x, y, z])
22        p_ref = np.array([x[0], y[0], z[0]])
23        d_vec = p0 - np.repeat(p_ref, 4).reshape(3, 4)
24
25        dat0 = np.dot(cvec, d_vec)
26
27    print('time : ' + str(round((t.time() - start1),5)) + ' [sec]')
28    print('===== ロジック修正前ソース END =====')
29
30    print('===== ロジック修正後ソース START =====')
31
32    start2 = t.time()
33
34    x = np.array(xyz[:, :, 0])
35    y = np.array(xyz[:, :, 1])
36    z = np.array(xyz[:, :, 2])
37
38    cvec = vec[:, :]
39
40    p0 = np.array([x.T, y.T, z.T])
41    p0 = [p0[:, i, :] for i in range(100000)]
42    p_ref = np.array([x[0], y[0], z[0]])
43    d_vec = p0 - np.repeat(p_ref, 4).reshape(100000, 3, 4)
44    dat0 = list(map(lambda x, y: np.dot(x, y), cvec.T, d_vec))
45
46    print('time : ' + str(round((t.time() - start2),5)) + ' [sec]')
47    print('===== ロジック修正後ソース END =====')
48
49if __name__ == "__main__":
50    main()