Tóm tắt: Tháng 6/2026 đánh dấu ba cột mốc hạ tầng AI quan trọng: lưu lượng bot lần đầu vượt con người (57.5% theo Cloudflare), giao thức A2A của Google tròn 1 tuổi với case study FoldRun trong sinh học phân tử, và MLPerf Training v6.0 chính thức hóa kiến trúc MoE với DeepSeek V3 (671B tham số) làm benchmark lớn nhất. Ba sự kiện này không rời rạc — chúng cùng vẽ nên bức tranh Internet đang chuyển mình thành môi trường vận hành của agent.
中文摘要： 2026 年 6 月，三項 AI 基礎設施里程碑同時發生：機器人流量首次超越人類（Cloudflare 數據 57.5%），Google A2A 協議滿週年，MLPerf Training v6.0 將 MoE 架構標準化，DeepSeek V3（671B 參數）成為史上最大 benchmark。三者不是孤立的——它們共同描繪了互聯網正在從人類主導轉向 Agent 主導的完整圖景。
📊 Phân Tích / 分析
Chuyện gì đã xảy ra: 2026 年 6 月三項 AI 基礎設施里程碑：(1) Cloudflare 數據顯示 automated traffic 佔 57.5%，首次超越人類；(2) Google A2A agent 協作協議一週年，FoldRun 等案例證明 agent-to-agent 協作已進入實用階段；(3) MLPerf Training v6.0 新增 DeepSeek V3 和 GPT-OSS 20B 兩個 MoE benchmark，95 系統 24 組織參與。
發生了什麼： 2026 年 6 月三項 AI 基礎設施里程碑：(1) Cloudflare 數據顯示 automated traffic 佔 57.5%，首次超越人類；(2) Google A2A agent 協作協議一週年，FoldRun 等案例證明 agent-to-agent 協作已進入實用階段；(3) MLPerf Training v6.0 新增 DeepSeek V3 和 GPT-OSS 20B 兩個 MoE benchmark，95 系統 24 組織參與。
Tại sao quan trọng: 這三件事串聯起來的意義遠大於各自獨立：訓練層（MLPerf MoE 標準化）→ 通訊層（A2A 協議）→ 流量層（agent 成為互聯網主體），代表 AI 基礎設施從「模型研發」進化到「agent 全端部署」。互聯網正在變成 agent 的原生運算環境。
為什麼重要： 這三件事串聯起來的意義遠大於各自獨立：訓練層（MLPerf MoE 標準化）→ 通訊層（A2A 協議）→ 流量層（agent 成為互聯網主體），代表 AI 基礎設施從「模型研發」進化到「agent 全端部署」。互聯網正在變成 agent 的原生運算環境。
🔍 Góc Nhìn Của Chúng Tôi / 我們的觀點
多數人還在討論「哪個模型最強」，但真正的典範轉移在基礎設施層：當網路上 57.5% 的請求來自 agent、agent 之間有標準化的協作協議、訓練基準從 dense 轉向 MoE——這些才是定義下一個十年的力量。對開發者而言，現在的問題不是「要不要支援 agent」，而是「你的服務能不能被 agent 正確消費」。Analytics、表單設計、API 架構全部要重想。A2A 可能成為 agent 時代的 TCP/IP。
多數人還在討論「哪個模型最強」，但真正的典範轉移在基礎設施層：當網路上 57.5% 的請求來自 agent、agent 之間有標準化的協作協議、訓練基準從 dense 轉向 MoE——這些才是定義下一個十年的力量。對開發者而言，現在的問題不是「要不要支援 agent」，而是「你的服務能不能被 agent 正確消費」。Analytics、表單設計、API 架構全部要重想。A2A 可能成為 agent 時代的 TCP/IP。
📋 Chi Tiết / 詳細分析
Cột Mốc Lịch Sử: Bot Vượt Người Dùng / 歷史性交叉：機器人流量超越人類
Ngày 3/6/2026, CEO Cloudflare Matthew Prince tuyên bố: "Tôi từng dự đoán bot sẽ vượt lưu lượng người vào cuối 2027, rồi đầu 2027. Nhưng thực tế đã đến sớm hơn 18 tháng." Dữ liệu Cloudflare Radar hiện tại cho thấy 57.5% lưu lượng HTML là automated, chỉ 42.5% là con người. Báo cáo State of AI Traffic 2026 của HUMAN Security ghi nhận lưu lượng agentic AI tăng trưởng ~7,851% so với cùng kỳ năm trước — tự động hóa đang mở rộng nhanh gấp 8 lần hoạt động của con người. Điều quan trọng: lưu lượng con người không giảm. Đây là hiệu ứng bất đối xứng: một yêu cầu của người dùng có thể sinh ra hàng trăm đến hàng ngàn yêu cầu từ agent.
2026 年 6 月 3 日，Cloudflare CEO Matthew Prince 宣布：「我曾預測機器人流量會在 2027 年底超越人類，後來修正到 2027 年初。實際到來時間早了 18 個月。」Cloudflare Radar 數據顯示，57.5% 的 HTML 流量來自自動化系統，僅 42.5% 是人類。HUMAN Security《2026 年 AI 流量報告》記錄 agentic AI 流量年增 ~7,851%——自動化擴張速度是人類活動的 8 倍。人類用量並未下降——這是不對稱效應：一個使用者請求可觸發數百甚至數千個 agent 請求。
Analytics Đã Chết (Ít Nhất Là Như Bạn Biết) / 你的 Analytics 已經失效
Các chỉ số truyền thống — sessions, pageviews, bounce rate, time on page — đều giả định người dùng là con người. Khi một agent ghé trang, lấy nội dung trong 2 giây rồi rời đi, đó không phải là "bounce" — đó là một tương tác thành công. Vấn đề nghiêm trọng hơn: tỷ lệ crawl-to-referral cực kỳ mất cân bằng. ClaudeBot có tỷ lệ ~23,951:1 (cứ 23,951 lần crawl mới có 1 lần referral), Perplexity ~111:1, Google Search truyền thống ~4.9:1. 51.8% yêu cầu từ AI crawler là để training, chỉ 9.3% cho search. Hầu hết crawling AI là extraction without discovery.
傳統指標——sessions、pageviews、bounce rate、time on page——全部假設訪客是人類。當一個 agent 造訪頁面、2 秒內抓完內容就離開，那不是「跳出」——是一次成功的互動。更嚴重的問題：crawl-to-referral 比例極度失衡。ClaudeBot 約 23,951:1（每 23,951 次爬取才有 1 次引導），Perplexity 約 111:1，Google 傳統搜尋約 4.9:1。51.8% 的 AI crawler 請求是為了訓練，只有 9.3% 是搜尋。大多數 AI 爬取是 extraction without discovery——內容被拿去訓練但幾乎不送回流量。
A2A Tròn 1 Tuổi: Giao Thức Hợp Tác Giữa Các Agent / A2A 滿週年：Agent 協作協議
Ngày 18/6/2026, Google kỷ niệm 1 năm giao thức Agent-to-Agent (A2A). Đây không phải là một API REST thông thường — A2A được thiết kế riêng cho AI tạo sinh, cho phép các agent cộng tác với nhau một cách linh hoạt, an toàn và module hóa. Ba ưu điểm then chốt: (1) Ranh giới bảo mật — agent có thể giao task cho agent chuyên biệt nội bộ, chỉ nhận output giá trị cao mà không tiếp cận dữ liệu gốc; (2) Zero Context Pollution — agent chuyên biệt tự quản lý state, tránh làm đầy context window của agent chính; (3) Dynamic Autonomy — bên nhận có thể hiểu ý định, tinh chỉnh kế hoạch, đặt câu hỏi làm rõ, hoặc từ chối yêu cầu không đầy đủ.
2026 年 6 月 18 日，Google 慶祝 Agent-to-Agent (A2A) 協議一週年。這不是普通的 REST API——A2A 專為生成式 AI 設計，讓 agent 之間靈活、安全、模組化地協作。三個關鍵優勢：(1) 安全邊界——agent 將任務交給內部專業 agent，只收到高價值輸出，原始數據保持黑箱；(2) 零上下文污染——專業 agent 自行管理狀態，避免塞滿主 agent 的 context window；(3) 動態自主性——接收方可理解意圖、優化計畫、提出澄清問題，甚至拒絕不完整的請求。
FoldRun: Khi Agent Gấp Protein, Không Cần Siêu Máy / FoldRun：Agent 折疊蛋白質
Case study đáng chú ý nhất của A2A là FoldRun — một interface agentic cho dự đoán cấu trúc 3D của protein. Trước đây, tác vụ này đòi hỏi cơ sở dữ liệu petabyte, GPU chuyên dụng, và quy trình đa bước mong manh. Với A2A, FoldRun tự động chọn giữa AlphaFold 2, OpenFold 3, Boltz-2 dựa trên độ tin cậy dự đoán, tự điều chỉnh tham số, và trả kết quả như một peer agent. BicycleTx — công ty dược — là đối tác thiết kế cốt lõi, xác nhận giải pháp này giúp các nhà khoa học tiếp cận sức mạnh của co-folding models dễ dàng hơn. SDK chính thức: Python & Go (1.0 GA), Java (Beta), .NET (đang phát triển).
A2A 最引人注目的案例是 FoldRun——用於預測蛋白質 3D 結構的 agentic 介面。過去這項任務需要 petabyte 級資料庫、專用 GPU 和脆弱的多步驟工作流。通過 A2A，FoldRun 能在 AlphaFold 2、OpenFold 3、Boltz-2 之間自動選擇，自行調整參數，以 peer agent 身份回傳結果。製藥公司 BicycleTx 是核心設計合作夥伴，確認這讓科學家更容易獲得 co-folding 模型的運算力。官方 SDK：Python & Go (1.0 GA)、Java (Beta)、.NET（開發中）。
MLPerf v6.0: Kỷ Nguyên MoE Được Chính Thức Hóa / MLPerf v6.0：MoE 時代正式標準化
MLPerf Training v6.0 (công bố 16/6) thêm hai benchmark mới phản ánh sự chuyển dịch toàn ngành sang kiến trúc Mixture-of-Experts (MoE): DeepSeek V3 (671 tỷ tham số tổng, 37 tỷ kích hoạt mỗi token) — benchmark lớn nhất từ trước đến nay trong bộ MLPerf, kiểm tra cả Multi-head Latent Attention và load balancing; và GPT-OSS 20B (21 tỷ tổng, 3.6 tỷ kích hoạt) — benchmark MoE cấp nhập môn. Kỷ lục đa dạng: 95 hệ thống từ 24 tổ chức, 13 loại accelerator, 19 host processor. 60% hệ thống là multi-node. Số lượng bài nộp cloud tăng gấp đôi so với v5.1.
MLPerf Training v6.0（6 月 16 日發布）新增兩個反映行業轉向 MoE 的 benchmark：DeepSeek V3（671B 總參數，37B 每 token 激活）——MLPerf 史上最大 benchmark，同時測試 Multi-head Latent Attention 和負載均衡；GPT-OSS 20B（21B 總參數，3.6B 激活）——入門級 MoE benchmark。創紀錄多樣性：95 個系統來自 24 個組織、13 種加速器、19 種主機處理器。60% 為多節點系統。雲端提交量比上一版翻倍。
Ba Tầng Hạ Tầng Cùng Chín Muồi — Điều Này Có Nghĩa Là Gì? / 三層基礎設施同時成熟
Ba sự kiện tưởng như rời rạc này thực chất là ba tầng của cùng một bức tranh: tầng huấn luyện (MLPerf MoE chuẩn hóa cách chúng ta xây dựng model), tầng giao tiếp (A2A chuẩn hóa cách agent nói chuyện với nhau), và tầng lưu lượng (agent đã trở thành công dân hạng nhất của Internet). Hệ quả dành cho developer: (1) Thiết kế dual interface — trang web của bạn phải hoạt động cho cả người và agent; (2) Tách biệt analytics — đo lường riêng agent traffic; (3) Học A2A — giao thức này sẽ trở thành TCP/IP của kỷ nguyên agent; (4) MoE-first thinking — kiến trúc thưa không còn là lựa chọn, nó là mặc định. Internet không còn là nơi con người đọc — nó đang trở thành môi trường vận hành của agent.
三件看似獨立的事件，其實是同一幅圖景的三個層次：訓練層（MLPerf MoE 標準化模型建造方式）、通訊層（A2A 標準化 agent 對話方式）、流量層（agent 已成為互聯網一等公民）。給開發者的啟示：(1) 雙重介面設計——網站須同時為人類和 agent 運作；(2) 分離 analytics——單獨測量 agent 流量；(3) 學習 A2A——這個協議將成為 agent 時代的 TCP/IP；(4) MoE-first 思維——稀疏架構不再是選項，而是預設。互聯網不再是人類閱讀的地方——它正在變成 agent 的運算環境。
📌 Tác Động Thực Tế / 實際影響
Hành động cụ thể cho developer:
• Phân tách agent traffic trong analytics — dùng user-agent strings để nhận diện bot từ Gemini, ChatGPT, Claude.
• Thiết kế form cho DOM-based interaction — native form semantics, labeled inputs, không phụ thuộc mouse hover hay custom JS submit. Lighthouse accessibility audit là proxy tốt cho agent compatibility.
• Thêm structured data (JSON-LD, schema.org) cho product, event, booking pages — agent parse nó đáng tin cậy hơn visual layout.
• Xem xét robots.txt như một quyết định content-licensing chủ động — chọn crawler nào được phép, chặn hoặc giới hạn.
• Tích hợp A2A nếu xây dựng multi-agent system — SDK Python/Go đã GA, Java đang Beta.
開發者具體行動：
• 分離 agent 流量——用 user-agent strings 識別 Gemini、ChatGPT、Claude 的請求。
• 設計 DOM 友善表單——原生 form 語義、labeled inputs、不依賴 mouse hover 或 custom JS submit。Lighthouse accessibility audit 是 agent 相容性的好 proxy。
• 加入 structured data（JSON-LD、schema.org）到產品、活動、預訂頁面——agent 解析 structured data 比視覺佈局更可靠。
• 將 robots.txt 視為主動的內容授權決策——選擇允許、阻擋或限制特定 crawler。
• 若建 multi-agent 系統，考慮整合 A2A——Python/Go SDK 已 GA，Java Beta。