黄仁勋：AI范式正从Prompt转向Loop，人类角色退出执行链路
0xBroomberg
英伟达CEO黄仁勋宣布AI工程已进入Loop时代——人类不再逐句指令AI，而是设计让AI自主循环、自我纠错的运转机制，这意味着AI从被动工具正式变为自驱系统。
什么是Loop，和之前的Prompt有什么本质区别？
Prompt时代，人类写一句指令、AI回一次答案，每一步都靠人推动。
Loop（循环机制）的逻辑完全不同：人类只定义目标，AI自己执行、自己检查结果，没达标就带着错误信息重新跑一轮，直到任务完成或预算用尽。
这意味着→ 人类的角色从"一步步操控AI"上移到"设计规则让AI自己转"，执行链路里不再需要人一直在场。
黄仁勋一个人的判断，还是行业共识？
不只黄仁勋。Claude Code核心开发者Boris Cherny已经卸载了传统编程工具，手下数百个小型Agent并行运行，分别盯GitHub Issue、读Slack反馈、监控测试失败。
用大白话说＝ 他现在的工作方式是：AI自己干活，只有AI处理不了的问题才会弹到他面前。他表示自Claude Opus 4.5发布以来，所有代码均由AI生成，大部分工作在手机上完成。
吴恩达、ReAct框架提出者姚顺雨等行业重磅人物也已公开转向Loop工作方式。
产品层面谁在做，做得怎么样？
当前Loop工程形成Claude Code与OpenAI Codex双雄格局。
Claude Code推出三件套：`/loop`负责定时循环，`/goal`负责目标驱动，`/schedule`负责云端定时任务。其中`/goal`的关键设计是写代码与验收分离——写代码的是大模型，验收的是独立小模型Haiku，防止模型给自己打高分。
OpenAI Codex走"自动化流水线"路线，实测中最多8个Agent同时在各自云端沙箱并行运行，最终汇总结果。
两条路线殊途同归，说明了什么？
两者技术路径不同，但最终形态高度一致：把复杂任务拆解、分配给多个Agent并行处理，再统一汇聚结果。
这意味着→ 模型本身的能力差异正在快速缩小，真正的竞争壁垒已经转移到上层的Loop编排与系统工程能力。
用大白话说＝ 以后比的不是谁家模型更聪明，而是谁能把一群AI组织得更高效。
从Prompt到Loop，AI范式经历了几次跃迁？
2023–2024：Prompt Engineering——核心问题是"怎么问AI"。
2024–2025：Context Engineering——核心问题升级为"给AI看什么材料"。2025–2026：Harness Engineering——搭建能让AI干活的运行环境。
2026至今：Loop Engineering——设计让AI系统持续自驱的循环机制。这反映出每一轮迁移，人类的控制粒度都在上移，从"写一句话"进化到"设计自驱循环"。
这件事对投资者意味着什么？
Loop概念在工业界传播不足三周，但背后的技术路径（ReAct框架等）已沉淀数年，并非空中楼阁。
这意味着→ 当基础模型的能力差距持续缩小，谁能在Loop编排层建立系统工程优势，谁就在下一阶段AI应用竞争中占据先手。
对投资者来说，关注点应从"谁家模型跑分最高"转向"谁的AI系统工程能力最强"。
Content is for reference only, not financial advice.