amd公司的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

光刻巨人：ASML崛起之路

為了解決amd公司的問題，作者（荷蘭）瑞尼•雷吉梅克 這樣論述：

如何將一項毫無希望的研究和商業活動轉變為價值數十億美元的機器和世界ling先的公司? 荷蘭企業ASML（阿斯麥）成功了，知名科技作家瑞尼·雷吉梅克（Rene Raaijmakers）在書中揭示了ASML是如何做到的。 20世紀80年代，美國光刻機巨頭Perkin-Elmer和GCA在晶片光刻市場上遭到了日本競爭對手佳能和尼康的猛烈攻擊。結果，美國失去了對這項關鍵技術長達20年的壟斷地位，而這正是摩爾定律背後的驅動力。 與此同時，一家默默無聞、無足輕重的光刻機小公司在荷蘭剛剛起步。這家公司就是ASML，它在今天獲得了無與倫比的成功。作為世界上很大和很賺錢的光刻機製造商，ASML取得了70%

~80%的光刻市場份額，並多年來在光刻技術上一騎絕塵，將佳能和尼康遠遠甩在後面。 在《光刻巨人：ASML崛起之路》中，作者瑞尼·雷吉梅克帶我們重返了晶圓步進光刻機的誕生地，和我們一起探索了ASML在全球獲得令人矚目的成功之根源所在。作者通過回顧工程師們全力以赴超越對手的歷史，生動地給我們打開了一扇窗戶，使我們有機會看到孵化世界上很精密晶片製造技術背後那個獨一無二的企業文化：“贏者通吃”和“只爭金牌”，這些思想至今仍滲透在ASML的血液中。 [荷蘭]瑞尼·雷吉梅克 本書作者瑞尼·雷吉梅克是居住在荷蘭的跨界創業者。他在20世紀80年代曾主修化學長達8年，畢業後在緬甸為路透社

做過短暫的自由攝影師。 在20世紀90年代，瑞尼成為一位科技專欄作家並經常訪問美國矽谷，他將矽谷源源不斷的科技故事寫成文字帶給荷蘭家鄉的讀者。這些文章發表在《新鹿特丹商業報》和荷蘭其他知名媒體上。 1999年，他創立了Techwatch（科技觀察）媒體公司，並出版了專注於歐洲高科技的商業雜誌《比特和晶片》。 瑞尼同時是荷蘭高科技學院(HTI)的董事總經理兼所有者。這所學院的前身是飛利浦技術培訓中心(CTT)，提供近百個關於積體電路、光學、機電、軟體和系統等專業課程；這裡的很多講師都來自飛利浦享有盛譽的Natlab實驗室和工業技術中心。 01 光刻機的前歷史 一隻奇怪的

昆蟲 / 002 飛利浦半導體和材料部 / 007 David Mann 公司 / 010 愛德·鮑爾 / 012 小提琴製作師 / 020 02 合法的印鈔機 天生的工程師 / 027 旅行夥伴 / 033 技術文檔105/71 / 035 晶圓重複曝光光刻機 / 042 美國風格 / 051 03 垂死掙紮 維姆·特羅斯特 / 056 特羅斯特的信 / 063 GCA 打出制勝牌 / 074 敲響政府的門 / 077 電動晶圓臺 / 079 拯救計畫 / 085 金磚做的茅房 / 096 04 達成協議 亞瑟·德爾·普拉多 / 103 五十對五十 / 109 可怕的協議 / 114

05 杠杆剝離 賈特·斯密特 / 122 欺騙 / 131 重聚 / 136 交付期限 / 140 一億美元 / 148 從巴黎到奧伯科亨 / 155 來自地獄的公司 / 162 日本人 / 166 最初的藍圖 / 171 卡通演示 / 176 第 一條招聘廣告 / 179 06 截止期限 商業計畫 / 183 地標 / 193 回到Elcoma / 198 維多利亞韋斯特旅館 / 201 蟻塚 / 204 維多利亞酒店 / 207 美國市場 / 213 如果說它週五來，那它就不會來 / 215 快！快！快趕上了 / 222 我們可以贏的 / 224 我們聽見了你的話，傑瑞 / 228 A

MD 公司 / 231 斯密特的發聲板 / 238 緊急會議 / 245 不再狂野的懷爾德 / 251 07 花錢大王 幸福感 / 258 美國最強硬的老闆 / 263 德爾·普拉多又被誘惑了 / 270 GCA 的黃昏 / 274 日本設備的可靠性 / 281 碎夢大道 / 286 接受不接受隨你 / 292 80 美元和再見 / 297 08 走上正軌 胖胖的人 / 306 一貧如洗 / 310 有希望的客戶 / 315 尼康的阿喀琉斯之踵 / 320 現金流變正 / 324 開啟加速模式 / 331 IBM 公司 / 339 09 你追我趕 圓桌會議新老闆 / 342 德國人的壟斷

/ 348 給IBM 的錄影片 / 356 有“金手指”的工匠 / 360 日本玻璃 / 365 蔡司O-Lab / 371 靠信譽經營 / 375 想都不用想的事 / 379 10 增長 完美的團隊 / 383 主人翁的價值 / 391 掃描光刻機 / 393 韓國巨頭 / 402 四十大盜 / 407 拯救公司的醫生 / 411 開坦克的參會者 / 416 格拉斯曼的嚴峻挑戰 / 419 獨立自主 / 428 附錄 附錄1 從歐洲視角看20 世紀50 年代的電腦晶片與光刻技術 / 435 附錄2 David Mann 公司 / 439 附錄3 20 世紀60 年代初，飛利浦Natla

b 的技術微型化 / 441 附錄4 光圖機 / 442 附錄5 電子束掩模製作機 / 445 附錄6 摩爾定律與晶片設備遊戲規則 / 447 附錄7 合資協議：估值 / 449 附錄8 合資協議：最開始的計算 / 451 附錄9 對準：全域對準、裸片對準和雙對準 / 452 附錄10 電動晶圓臺之謎 / 454 附錄11 合資協議：ASM 退出時的最後聲明 / 458 附錄12 長衝程、短衝程電機 / 459 人物表（按字母排序） / 461 術語表 / 470 作者採訪人物（2011 年—2017 年） / 473 致謝 / 476 作者後記 / 477

amd公司進入發燒排行的影片

從半導體產業的併購史分析企業的成長策略

為了解決amd公司的問題，作者郭聰鈴 這樣論述：

提升市場滲透率、研發新產品、開發新市場、併購都是成熟企業持續成長的策略選擇。由於併購需要大筆支出，還需要執行企業文化融合、產品市場重新定位等複雜工作，因此其中併購是一個往往被忽略的外部成長選項，許多公司將併購視為一種「nice to have」的策略。然而，回顧電子業、高科技業等快速變動產業的發展歷程會發現到，併購是一個不可或缺快速取得新技術、產品和市場的成長方法，甚至可以說是在高度競爭市場中持續生存的唯一之道。本研究採用個案分析的方法分析過去Intel、AMD、MediaTek三家科技公司的併購策略，說明併購不應是「nice to have」，而是「must have」的成長策略，讓企業可

以建立競爭優勢、取得市占率，最終勝過其他競爭者。

加速MATLAB編程指南：CUDA實現

為了解決amd公司的問題，作者趙地 這樣論述：

MATLAB是廣泛應用的演算法開發語言之一。然而，MATLAB簡單易用的特性與演算法複雜性的矛盾，造成了各個領域的MATLAB程式運行緩慢。本書總結了作者多年來在演算法開發工作中關於MATLAB程式加速的實戰經驗，系統地介紹了利用GPU計算能力和CUDA程式設計語言實現加速MATLAB程式設計的方法。 本書首先介紹了MATLAB程式的性能評估的方法，説明讀者找到制約MATLAB程式運行速度的“瓶頸”所在；接著循序漸進地介紹加速MATLAB程式設計的方法，包括基於多核處理器的MATLAB程式加速、基於大記憶體和向量化的MATLAB程式加速、基於平行計算工具箱和GPU計算的MATLAB加速、基

於CUDA庫的MATLAB加速、基於CUDA語言的MATLAB加速等。同時，本書附帶了大量程式實例，包括深度學習及大資料分析領域的例子，深入淺出地示範各種基於CUDA語言的MATLAB程式加速的技巧。 本書可幫助讀者對所在領域的MATLAB應用程式進行顯著加速，大幅提升演算法開發的效率。 趙地獲得美國路易斯安娜理工大學（Louisiana Tech University）電腦與應用數學專業博士學位，曾在美國哥倫比亞大學（Columbia University）和美國俄亥俄州立大學（The Ohio State University）從事博士后研究工作。 趙地博士在GPU計

算方面具有豐富的研究經驗，發表了多篇學術論文和會議論文。現任CNIC-英偉達公司GPU研究中心（GPU Research Center, GRC）、CNIC-英偉達公司GPU教育中心（GPU Education Center, GEC）和CNIC-英偉達公司「智慧醫療」聯合實驗室負責人；中國圖象圖形學學會視覺大數據專業委員會委員，CCF會員。 第1章緒論 1.1MATLAB程式的加速 1.2MATLAB程式加速的可能途徑 1.2.1基於多核CPU的MATLAB程式加速 1.2.2基於大記憶體的MATLAB程式加速 1.2.3基於英偉達公司GPU的MATLAB程式加速

1.2.4基於AMD公司GPU的MATLAB程式加速 1.2.5基於Intel公司Xeon Phi的MATLAB程式加速 1.3MATLAB程式加速的度量 1.4基於GPU計算的MATLAB程式的編制 1.4.1平行計算工具箱簡介 1.4.2CUDA庫 1.4.3CUDA程式設計 第2章MATLAB程式的性能評估 2.1bench()函數 2.2tic()函數/toc()函數 2.3timeit()函數 2.4cputime()函數 2.5clock()函數和etime()函數 2.6gputimeit()函數 2.7MATLAB探查器 第3章基於多核處理器的

MATLAB程式加速 3.1MATLAB矩陣及運算子 3.1.1MATLAB矩陣的創建 3.1.2矩陣的性質的檢驗 3.1.3MATLAB矩陣的操作 3.2MATLAB函數 3.2.1MATLAB函數的定義 3.2.2MATLAB函數的執行 3.3語句與代碼 3.3.1分支結構 3.3.2迴圈結構 3.4MATLAB代碼 3.5MATLAB並行設置 3.6基於並行for迴圈(parfor迴圈)的MATLAB程式加速 第4章基於大記憶體的MATLAB程式的加速 4.1記憶體條的選擇與安裝 4.2記憶體預分配 4.2.1已知數組大小 4.2.2未知數組大小 4

.3MATLAB向量化簡介 4.4MATLAB矩陣運算的向量化 4.4.1創建MATLAB矩陣的函數 4.4.2資料複製 4.4.3MATLAB的矩陣變換函數 4.4.4索引 4.4.5矩陣操作的向量化 4.4.6符合條件的元素總數 4.5MATLAB函數的向量化 4.5.1基於arrayfun()函數、bsxfun()函數、cellfun()函數、 spfun()函數和structfun()函數的向量化 4.5.2基於pagefun()函數的向量化 4.6MATLAB語句的向量化 第5章基於平行計算工具箱的MATLAB加速 5.1GPU卡的選擇與安裝 5.1.1G

PU卡的選擇 5.1.2電源功率 5.1.3散熱問題 5.2基於平行計算工具箱的GPU計算簡介 5.3基於平行計算工具箱的矩陣運算 5.3.1在設備端(GPU端)直接創建MATLAB矩陣 5.3.2在設備端(GPU端)生成亂數矩陣 5.3.3設備端(GPU端)的疏鬆陣列 5.3.4設備端(GPU端)矩陣的資料類型 5.3.5設備端(GPU端)矩陣的檢驗 5.3.6設備端(GPU端)矩陣的操作 5.4基於平行計算工具箱的設備端(GPU端)函數 5.4.1設備端(GPU端)函數的定義 5.4.2設備端(GPU端)函數的執行 5.5基於設備端(GPU端)大記憶體的MATL

AB程式的加速 5.6例子 5.6.1卷積神經網路前向傳播的卷積層 5.6.2卷積神經網路前向傳播的啟動函數 5.6.3卷積神經網路前向傳播的降採樣層 5.6.4卷積神經網路後向傳播的升採樣層 5.6.5卷積神經網路後向傳播的卷積層 5.6.6卷積神經網路後向傳播中的梯度計算 第6章MATLAB與C/C++的介面 6.1MEX庫API 6.1.1MEX相關的函數 6.1.2從MEX中調用MATLAB函數 6.1.3mexGet()函數 6.1.4MEX庫API與輸入輸出相關的函數 6.1.5MEX庫API與鎖定相關的函數 6.2MATLAB的C/C++矩陣庫API

6.2.1定義MEX函數的資料類型 6.2.2創建陣列、分配記憶體和釋放記憶體 6.2.3資料類型校驗： 陣列的資料類型和性質 6.2.4資料存取： 從陣列讀取和寫入資料 6.2.5資料類型轉換： 將字串陣列和結構陣列轉換成物件陣列 6.3MEX函數編譯器 6.3.1MEX介紹 6.3.2編譯MEX 6.3.3MEX文件的查錯 第7章基於CUDA庫的MATLAB加速 7.1基於CUDA庫的MATLAB加速簡介 7.2基於ArrayFire庫的MATLAB加速簡介 7.2.1ArrayFire簡介 7.2.2ArrayFire陣列 7.2.3ArrayFire函數

7.2.4CUDA的混合程式設計 7.2.5實例 7.3基於其他CUDA庫的MATLAB加速簡介 第8章GPU計算簡介 8.1晶片技術的發展與摩爾定律 8.2每秒浮點運算次數 8.3GPU計算加速的度量 8.3.1GPU程式的加速比 8.3.2阿姆達爾定律和古斯塔夫森定律 8.3.3並行程式的並行狀況 8.4平行計算部件 8.4.1張量處理器 8.4.2現場可程式設計閘陣列 8.4.3類腦處理器 8.4.4視覺處理器 8.4.5物理處理器 8.4.6圖形處理器 8.5英偉達公司GPU簡介 8.5.1計算單元 8.5.2GPU記憶體 8.5.3計算能力

8.5.4GPU當前狀態的檢測 8.5.5GPU集群設置 8.5.6集群管理軟體 第9章CUDA程式設計簡介 9.1CUDA核 9.2CUDA執行緒與執行緒塊 9.2.1CUDA執行緒 9.2.2CUDA執行緒塊 9.3記憶體結構與管理 9.3.1全域記憶體 9.3.2共用記憶體 9.3.3鎖頁記憶體 9.3.4紋理記憶體和表面記憶體 9.4並行管理 9.4.1非同步並存執行 9.4.2流和事件 9.4.3同步調用 9.5CUDA流 9.5.1CUDA流的創建和結束 9.5.2默認CUDA流 9.5.3顯式同步 9.5.4隱式同步 9.5.5重疊

行為 9.5.6回呼函數 9.5.7CUDA流的優先順序 9.6CUDA事件 9.6.1CUDA事件的創建與清除 9.6.2CUDA事件的運行 9.7多設備系統 9.7.1多設備系統的初始化 9.7.2多設備系統的設備計數 9.7.3多設備系統的設備選擇 9.7.4多設備系統的CUDA流和CUDA事件 9.7.5不通過統一虛擬位址的多設備系統的設備間的記憶體複製 9.7.6通過統一虛擬位址的多設備系統的設備間的記憶體複製 9.8動態並行 9.8.1動態並行簡介 9.8.2動態並行的程式設計模型 9.8.3動態並行的環境配置 9.8.4動態並行的記憶體管理 9

.8.5動態並行的嵌套深度 9.9統一虛擬位址空間 9.9.1統一虛擬位址空間簡介 9.9.2統一記憶體程式設計的優點 9.9.3統一記憶體分配 9.9.4統一記憶體的連續性與並行性 9.9.5統一記憶體的檢驗 9.9.6統一記憶體的性能優化 9.10CUDA的編譯 9.10.1CUDA編譯工作流 9.11CUDA程式實例 9.11.1序列蒙特卡羅的類別分佈亂數 9.11.2哈爾變換 第10章CUDA程式優化 10.1CUDA程式優化的策略 10.2指令級別的優化 10.2.1算術指令輸送量最大化 10.2.2控制流指令 10.2.3同步指令 10.3執行

緒和執行緒塊級別的優化 10.3.1warp簡介 10.3.2CUDA執行緒塊的warp數量 10.3.3CUDA佔用率 10.3.4執行緒warp對設備端(GPU端)記憶體讀寫 10.4CUDA核級別的優化 10.4.1優化CUDA核參數 10.4.2減少記憶體同步 10.4.3減少寄存器總量 10.4.4提高指令層次的並行度 10.5CUDA程式級別的優化 第11章基於CUDA的MATLAB加速 11.1基於CUDAKernel的MATLAB加速 11.2基於MEX函數的MATLAB加速 11.3多GPU程式設計 11.4例子 11.4.1基於MEX函數的多

GPU矩陣相加 11.4.2基於MEX函數的多GPU的LSE函數 第12章總結 12.1加速MATLAB程式設計方法的比較 12.2進一步加速MATLAB 12.2.1多路多核處理器的MATLAB程式加速 12.2.2基於AMD公司GPU的MATLAB程式加速 12.2.3基於Intel公司Xeon Phi的MATLAB程式加速 參考文獻

還原工程用於半導體及電子產業之適法性研究

為了解決amd公司的問題，作者紀永昌 這樣論述：

所謂還原工程(reverse engineering)或稱為「逆向工程」，係指以一項已經完成之產品或實物作為研究的對象，從其已知悉之外觀終局結果，由後向前逆行方向，有系統地逐步去推測分析其形成之原因，從而發現其全部製作之過程，再予以複製或修改以製成產品之謂。至於複製之形式，有的是複製該實物之功能及操作方法或執行原則，有的則巨細靡遺地將其整體複製。　　還原工程這個名詞通常多用在一具體設計或實物，但在立法例上首先揭櫫這項觀念的，是美國一九八四年的半導體晶片保護法(Semiconductor Chip Protection Act)，其中第九０六條規定，為教學、分析或評估他人所有半導體晶片上光罩作

品(mask work)中所蘊含之觀念(concepts)、技術(techniques)、線路(circuitry)、邏輯流程(logic flow)或元件組成(organization of components)，而加以複製者，不構成對光罩作品專屬權之侵害。 一些不熟悉半導體反向還原工程的人常常將之與駭客、盜版及侵犯著作權相提並論。然而事實勝於雄辯，還原工程是市場上維護競爭優勢的一種正當的管道。幾乎全球每家大型成功的半導體及電子公司都使用還原工程，幾個用途包括：作為競爭分析的工具、發現可能存在的專利侵權問題。 本文重點之一在於釐清還原工程用於半導體及電子產業的適法性。還原工程的法律

爭點在於，當使用還原工程探知他人產品的營業祕密時，該還原工程是否構成不當取得營業祕密的方法；而當施行還原工程的過程中涉及他人產品的專利權與著作權的權利內容時，其所構成的相關法律問題。 本文重點之二在於釐清還原工程用於半導體及電子產業時，將從工程設計與生產技術的角度，探討還原工程施行上相對於現有法令，對於專利迴避、設計迴避（Design Around）可能造成之灰色地帶提出討論與建議及未來可能之修法方向。 本文將從國內外既有法令與規範介紹還原工程之適法性，並從工程技術的角度，探討該法令與規範之合理性、灰色模糊地帶、可能的解釋空間及將來的立法方向。另外在實際案例中，就工程技術與適法性進行探

討，並對適法性與工程技術兩方面提出建議。