CodeMonkey玩遊戲學寫程式，兒童也上手的遊戲化教學網站|數位時代 BusinessNext

CodeMonkey玩遊戲學寫程式，兒童也上手的遊戲化教學網站

「 CodeMonkey 」也是一個玩遊戲學寫程式的線上服務，他在 2014 年左右推出，來自於科技與新創熱門國度以色列，多年來發展得很好，也獲得不少獎項。

我之前有一陣子在電腦玩物研究、推薦了幾個不同的「玩遊戲學寫程式」網站，他們各有特色，我先羅列如下：

完整的 RPG 遊戲過程，與各種程式碼學習：「拚命玩遊戲就能學寫程式！ CodeCombat 還有中文版」
結合各種知名遊戲帶入程式碼學習：「玩知名遊戲學寫程式！ Code.org 一小時學會寫小遊戲」
簡單的程式邏輯練習：「Google 玩遊戲學程式中文化線上課程 Blockly Games」

而今天要補充介紹的「 CodeMonkey 」也是一個玩遊戲學寫程式的線上服務，他在 2014 年左右推出，來自於科技與新創熱門國度以色列，多年來發展得很好，也獲得不少獎項，目前有完整的簡體中文版，和部分的繁體中文化。

「 CodeMonkey 」和前面提到的「 CodeCombat 」有個共同特色，就是擁有一整套完整的、循序漸進的學程式遊戲關卡，適合從零開始慢慢學，而「 CodeMonkey 」又更輕鬆有趣，更適合小朋友來練習。

這篇文章的前因後果：

「前因」：之前我介紹的「拚命玩遊戲就能學寫程式！ CodeCombat 還有中文版」，很多朋友很喜歡，於是有正在教小朋友學程式邏輯的家長寫信推薦我也可以介紹「 CodeMonkey 」，他的理由是「 CodeMonkey 」更適合小小朋友（「 CodeMonkey 」設定的學習年齡是 9 歲以上），畫面更逗趣，有圖形化輸入方式，也不會「太過遊戲」。

「後果」：如果你喜歡這種遊戲化學習工具，我推薦你再閱讀我的這篇：「值得嘗試！10 款遊戲化學習 App 讓你更喜歡面對挑戰」。

「 CodeMonkey 」是從一隻要想辦法搶回香蕉的猴子的故事，來串聯起由淺入深的程式邏輯、程式語言、電腦科學學習歷程，從其故事設定就可以看出更偏向童書故事，更適合小朋友。

免費註冊的「 CodeMonkey 」帳號，可以試玩前面約 30 個關卡，而後面的進階關卡就要付費解鎖。

「 CodeMonkey 」有完整的簡體中文化，但繁體中文還有不少地方尚未翻譯，如果想要有中文教學說明，那麼可以在語言處切換到簡體中文。

「 CodeMonkey 」基本的關卡叫做「故事模式」，可以一關一關挑戰，而且下方會有很多圖形按鈕，告訴你主要指令的意思。對於完成沒有學過程式語言的人來說，是非常好的上手過程。

而且每一關在過關後，都會針對你設計的程式邏輯進行評分，甚至提示你有沒有更好的寫法，教會你更佳的程式思考方式。

另外「 CodeMonkey 」也有一些更進階的練習課程，例如練習創造一個小遊戲，當有一些基本程式概念後，就可以試試看這樣的練習。在這些關卡中，會挑戰你如何創造出更多的互動效果，以及如何讓人物的互動不打結，並且完成任務。

而且可以看到畫面左方有很多檢查機制，可以幫助我們主動挑出寫錯的地方，這對初學者來說是很方便的自學練習。

如果你是搜尋而來，說不定你想找的，還想學的是：

遊戲化養成習慣：玩，很重要！我在 Habitica 跟真實人生玩遊戲的一年後心得
遊戲化練習記帳：記帳城市：最會遊戲化台灣團隊幫你「直接上癮」每日記帳習慣
遊戲化背單字：Quizlet 遊戲化背單字卡軟體教學，一億五千多萬學習集免費用

這類「玩遊戲學寫程式」的網站其實愈來愈多，但是「 CodeMonkey 」和我之前介紹的「 CodeCombat 」，是目前我嘗試過後，所認為的兩個「學習過程相對完整、學習步驟設計精良」的選擇，而「 CodeMonkey 」的童趣遊戲相對又更適合初學兒童，「 CodeCombat 」的戰鬥 RPG 更適合青少年，大家可以選擇自己適合的，或是有其他更好的推薦，都歡迎留言討論。

本文授權轉載自：電腦玩物

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。