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。
Epic Games于6月18日发布虚幻引擎5.8，作为5.x系列最终版本，引入实验性网格体地形系统、Control Rig Physics Beta、MetaHuman群体资产（支持数千人）、MegaLights生产级支持及Lumen Lite模式。Lumen Lite性能为高质量模式两倍，使依赖全局光照的游戏能在Nintendo Switch 2上以60fps运行，显著提升移动端实时渲染能力。
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。
6月18日，曹操出行在香港国际汽车及供应链博览会上宣布全面布局Robovan（自动驾驶货运车），发布RoboX战略，计划到2030年累计投放10万辆。该战略旨在构建覆盖物流配送场景的智能运力网络，标志着传统出行平台向物理AI移动科技平台转型。
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。
国家网络安全通报中心6月18日发布警告，发现伪装成“公安一网通办”的恶意App（下载地址110GongAn.com，IP 207.56.30.188）。该App植入木马，通过社会工程学诱导安装，可窃取支付信息并远程控制设备。
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。
Electronics-Lab报道bUniProbe，一款开源无线多协议硬件调试器，集成SPI、I²C、UART、CAN、GPIO、ADC和DAC接口，通过Wi-Fi实现浏览器访问，无需驱动或软件安装。该工具简化嵌入式系统调试，支持多种通信协议，适用于硬件开发者快速原型验证和故障排查。
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。
CNX Software
Electronics-Lab · 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。
FiftyOne 是一个开源工具，用于构建高质量数据集和计算机视觉模型。它提供可视化、标注、模型评估等功能，帮助开发者高效提升数据和模型质量。支持 Python 3.10-3.12，可通过 pip 或源码安装。
计算机视觉开发中，数据质量直接影响模型效果。FiftyOne 将数据探索、标注、模型评估集成在一个平台，减少切换成本。适合需要精细化数据管理的团队或研究者。核心亮点包括：多模态数据可视化、模型输出对比、主动学习支持、与常见标注工具集成。工具成熟，社区活跃，且有企业版支撑生产级工作流。
工程可用性高：提供详细文档、API 和 CLI；支持 pip 安装，环境要求明确（Python 3.10-3.12）；GitHub 超 10k 星，持续维护。但安装时可能需要 Node.js 构建前端，对纯 Python 用户稍显复杂。此外，开源版功能足够，但大规模协作推荐企业版。风险在于依赖版本可能随 Python 更新而调整，需关注兼容性。
FiftyOne 利用 AI 辅助数据标注和模型评估，如自动标签建议和模型对比分析。它能帮助用户发现数据偏差、错误标签，提升训练数据集质量。对于 AI 工程化，它是从数据到模型迭代的关键桥梁。
学习曲线：功能丰富但初学者需时间熟悉界面和 API。版本兼容：对 Python 版本有明确限制，升级时可能需调整环境。企业版依赖：高级功能需付费，开源版可能不满足超大规模场景。
MiniSoul 是一款口袋大小的桌面机器人，基于 ESP32 微控制器，搭载 AI 驱动的个性引擎。它会根据用户的交互方式改变行为，展现出不断进化的个性。
MiniSoul 展示了边缘 AI 在微小型硬件上的潜力，适合硬件创客、AI 爱好者和教育场景。核心亮点：体积小巧（口袋级）、个性动态进化、ESP32 低成本平台。它提供了一种全新的、人格化的人机交互方式，让 AI 不再局限于屏幕。对于探索本地情感计算或机器人玩具开发者，这是一个有趣且可复现的线索。
工程上，ESP32 是成熟且易于编程的芯片，但 AI 个性引擎的具体实现细节未公开。若引擎为纯本地推理，则受 ESP32 算力限制，个性复杂度可能有限；若依赖云 API，则需网络支持。整体看，它是一个概念验证原型，适合作为学习项目或灵感来源，但直接用于生产需进一步评估稳定性。
MiniSoul 的 AI 个性引擎在嵌入式设备上尝试模拟情感和演化，具有一定的创新性。但受限于硬件资源，其深度和实时性可能不如云端方案。它代表了一种将 AI 人格化并嵌入物理实体的趋势，适合研究边缘推理和交互设计。
功能局限：个性演化可能仅基于简单规则或轻量模型，长期交互后可能重复。依赖未知：若使用云 API，则存在网络延迟和隐私风险。文档稀缺：目前仅一篇文章，缺乏源码或详细教程，可复现性低。
Ollama 是一款本地运行大语言模型的工具，支持 Kimi-K2.6、GLM-5.1、MiniMax、DeepSeek、Qwen、Gemma 等多种开源模型。提供 REST API、Python/JS 库，并可集成到 Claude Code、Copilot 等应用中。
Ollama 解决了在本地便捷运行大模型的需求，免去复杂环境配置。核心亮点：一键下载与运行模型、简单 API 设计、广泛模型支持（包括国产模型）、社区活跃（174k+ stars）。它特别适合开发者构建本地 AI 助手、代码补全等应用，无需依赖外部服务。还支持自定义 Modelfile 导入模型，灵活性高。
工程可用性极高：支持 macOS、Windows、Linux 及 Docker；有完善文档和 REST API；社区集成丰富（如 Claude Code、OpenClaw）。基于 llama.cpp 后端，性能优化好。但 open issues 数量较多（3k+），说明部分场景可能遇到问题。硬件要求取决于模型大小，大模型需足够 GPU 内存。总体而言，是本地部署 LLM 的首选工具之一。
Ollama 大幅降低了开源大模型的进入门槛，使得个人开发者也能在本地运行前沿模型。它促进了私有化 AI 应用的发展，并推动了模型生态的民主化。通过统一的 API 接口，它简化了模型推理和集成。
硬件瓶颈：运行大模型需要较好的 GPU 或足够内存，低端设备可能无法使用。模型兼容：部分新模型可能需要等待支持更新，且不同模型行为差异需人工适配。Open issues 较多，可能遇到 bug 或性能问题，建议关注社区反馈。