按可信来源、时间线和主题整理的新闻简报。优先保留原文链接、新闻时间和后续阅读入口。
阿里巴巴推出 HappyOyster 1.0 世界模型，基于原生多模态架构，支持一句话生成实时交互的数字世界。该模型能主动推演因果链，保持长程一致性，提供实时导演和世界探索两种玩法。产品已于4月16日开放内测，官网允许用户通过指令实时改变故事情节或探索虚拟世界。
补充中文 AI 产业、产品和资本市场动态，减少只看海外来源的偏差。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Linux 7.2 内核的 DRM 子系统已合并 AMDGPU 开源驱动的 HDMI 2.1 固定速率链路（FRL）支持，标志着 AMD Radeon Linux 驱动全面支持 HDMI 2.1 的重要一步。该合并为后续完整 HDMI 2.1 实现奠定基础。
关系到 Linux、嵌入式和基础软件生态的版本、驱动或行业变化。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Phoronix
Phoronix
Phoronix
Phoronix · 当前新闻
2026年4月19日，中国荣耀闪电人形机器人以50分26秒完成半程马拉松，比人类世界纪录快7分钟，较2025年最佳机器人成绩快近2小时。文章从物理学角度分析了高效奔跑的约束条件，包括落地阶段能量转换和空中阶段重力影响，揭示了设计核心在于优化步态与散热管理。
该内容与电子工程、硬件设计、半导体器件、电源/模拟/RF/PCB/测试测量等工作直接相关，适合嵌入式软硬件设计参考。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Imec 的 Zsolt Tokei 和 Arm 的 Mohamed Awad 阐述了 CMOS 2.0 如何通过电路设计和系统协同优化，重新定义半导体缩放。该方案旨在突破传统三维集成限制，实现更高性能与能效，超越 chiplet 范式。
该内容与电子工程、硬件设计、半导体器件、电源/模拟/RF/PCB/测试测量等工作直接相关，适合嵌入式软硬件设计参考。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Auto: IT之家
Semiconductor Engineering
CNX Software
EE Times
Auto: IT之家
EE Times · 当前新闻
从 GitHub、项目站点、个人博客、技术论坛和硬件社区中自动发现，优先选择 AI、嵌入式、Linux/RTOS、电子工程和有趣开源项目。
乐鑫科技推进ESP32-E22芯片正式发布，已获Wi-Fi 6E认证，并开源了早期版Linux驱动。目前驱动缺少关键特性，芯片尚未公开销售。
这是首款集成Wi-Fi 6E的ESP32芯片，可接入6GHz频段，大幅提升吞吐量和降低干扰，适合高密度物联网和音视频传输场景。开源驱动让开发者能提前评估兼容性，并贡献代码。对于需要大带宽、低延迟无线连接的边缘设备，如摄像头、智能家居中枢，该芯片可能成为新的主流选择。
驱动处于早期阶段，缺少关键功能（如电源管理、完整的加密卸载），但已发布在permissive许可证下，可验证基础通信。芯片尚未量产，具体性能参数、价格和上市时间未知。建议关注乐鑫后续公布的RF指标和功耗数据，以及驱动成熟度。目前仅适合做原型验证，不适合量产设计。
Wi-Fi 6E在物联网中的应用尚处早期，ESP32-E22能否成功取决于驱稳定性和成本。乐鑫的生态（ESP-IDF、Arduino）会加速采用，但竞品（如Silicon Labs、Realtek）也在布局。值得关注的是其AP模式下的多用户OFDMA性能，以及是否支持Thread/Zigbee共存。
芯片延迟发布或功能缩水；驱动质量不足，社区支持有限；6GHz频段在某些国家尚未完全开放；与现有ESP32软件栈的兼容性可能需要大量适配工作。
Onyx是开源的AI平台，可为任意LLM提供功能丰富的对话界面，支持RAG、Web搜索、代码执行、深度研究、语音模式等高级能力。内置50+连接器，可通过MCP扩展。
Onyx定位为LLM的“应用层”，一站式集成多种高级功能，免去开发者分别对接多个服务的麻烦。其基于混合索引的代理RAG和深度研究功能在榜单中排名靠前，适合需要快速构建知识库问答、自动化研究助手的企业或团队。支持私有部署，兼容主流LLM，灵活性高。
项目活跃，30k+ stars，458个open issues，社区参与度高。核心功能完整，文档清晰，提供一键部署命令。RAG和深度研究已通过基准测试，但生产环境中大规模数据索引和查询性能仍有待验证。代码质量良好，依赖Python和现代深度学习栈，易于定制。
Onyx在功能丰富度上接近商业产品（如Perplexity、Copilot），但完全开源。其竞争壁垒在于连接器生态和代理架构的可扩展性。深度研究功能通过多步推理生成报告，可能改变信息检索的工作流。未来需持续维护依赖项（如向量数据库、LLM API）的兼容性。
开源许可证为NOASSERTION，需确认是否符合商业使用；大规模部署的资源消耗未知；依赖外部LLM服务，可能产生费用；与私有模型的集成可能需额外开发；社区贡献质量参差不齐，核心团队维护压力大。
Scalable data pre processing and curation toolkit for LLMs
NVIDIA-NeMo/Curator 的价值在于提供了一个清晰的 AI 工具/模型应用 观察入口。它不是单纯的链接
工程上可以先把它视为一个待验证组件：1,619 stars，287 forks，Python，Apache-2.0 许可证，最近活跃 2026-06-17，236 open issues。这些信号说明它有一定社区关注度和维护痕迹，但真正能否采用，还取决于文档是否能覆盖你的平台、依赖是否可控、最小示例是否能跑通，以及 issue 中暴露的问题是否与你的场景相关。
从 AI 工作流角度看，重点应放在它究竟改善了哪一段链路：检索、推理、代码理解、部署、评测还是资料聚合。只有当它能减少上下文成本、降低集成复杂度或提供新的能力边界时，才值得进入实际试用。
主要风险在维护质量和适配成本：高 star 不能保证可维护，低 issue 也不代表稳定。应重点看 release 节奏、许可证、测试覆盖、关键依赖、平台支持范围，以及最近 issue 是否集中在架构性问题上。