黃仁勳：AI範式正從Prompt轉向Loop，人類角色退出執行鏈路
0xBroomberg
英偉達CEO黃仁勳宣佈AI工程已進入Loop時代——人類不再逐句指令AI，而是設計令AI自主循環、自我糾錯的運轉機制，這意味著AI從被動工具正式變為自驅系統。
甚麼是Loop，和之前的Prompt有甚麼本質區別？
Prompt時代，人類寫一句指令、AI回一次答案，每一步都靠人推動。
Loop（循環機制）的邏輯完全不同：人類只定義目標，AI自己執行、自己檢查結果，未達標就帶著錯誤信息重新跑一輪，直到任務完成或預算用盡。
這意味著→ 人類的角色從「逐步操控AI」上移到「設計規則令AI自己轉」，執行鏈路裡不再需要人一直在場。
只是黃仁勳一個人的判斷，還是行業共識？
不只黃仁勳。Claude Code核心開發者Boris Cherny已經卸載傳統編程工具，手下數百個小型Agent並行運行，分別盯GitHub Issue、讀Slack反饋、監控測試失敗。
簡單來說＝ 他現在的工作方式是：AI自己幹活，只有AI處理不了的問題才會彈到他面前。他表示自Claude Opus 4.5發佈以來，所有代碼均由AI生成，大部分工作在手機上完成。
吳恩達、ReAct框架提出者姚順雨等行業重磅人物亦已公開轉向Loop工作方式。
產品層面誰在做，做得怎樣？
當前Loop工程形成Claude Code與OpenAI Codex雙雄格局。
Claude Code推出三件套：`/loop`負責定時循環，`/goal`負責目標驅動，`/schedule`負責雲端定時任務。其中`/goal`的關鍵設計是寫代碼與驗收分離——寫代碼的是大模型，驗收的是獨立小模型Haiku，防止模型給自己打高分。
OpenAI Codex走「自動化流水線」路線，實測中最多8個Agent同時在各自雲端沙箱並行運行，最終匯總結果。
兩條路線殊途同歸，說明了甚麼？
兩者技術路徑不同，但最終形態高度一致：將複雜任務拆解、分配給多個Agent並行處理，再統一匯聚結果。
這意味著→ 模型本身的能力差異正在快速縮小，真正的競爭壁壘已轉移到上層的Loop編排與系統工程能力。
簡單來說＝ 以後比的不是誰家模型更聰明，而是誰能把一群AI組織得更高效。
從Prompt到Loop，AI範式經歷了幾次躍遷？
2023–2024：Prompt Engineering——核心問題是「怎麼問AI」。
2024–2025：Context Engineering——核心問題升級為「給AI看甚麼材料」。2025–2026：Harness Engineering——搭建能令AI幹活的運行環境。
2026至今：Loop Engineering——設計令AI系統持續自驅的循環機制。這反映出每一輪遷移，人類的控制粒度都在上移，從「寫一句話」進化到「設計自驅循環」。
這件事對投資者意味著甚麼？
Loop概念在工業界傳播不足三週，但背後的技術路徑（ReAct框架等）已沉澱數年，並非空中樓閣。
這意味著→ 當基礎模型的能力差距持續縮小，誰能在Loop編排層建立系統工程優勢，誰就在下一階段AI應用競爭中佔據先手。
對投資者而言，關注點應從「誰家模型跑分最高」轉向「誰的AI系統工程能力最強」。
Content is for reference only, not financial advice.