2026年7月28日，新加坡知名AI初创公司VoxelAI宣布正式开源其新一代深度学习框架——NeuraFlow 2.0。这一版本在分布式训练、联邦学习以及硬件适配方面实现了重大突破，性能较上一代提升高达50%，被开发者社区誉为“极客利器”中的新标杆。
从内部工具到开源利器
NeuraFlow最初是VoxelAI为内部自动驾驶和医疗影像项目开发的训练框架，自2024年首次开源以来，已积累超过1.5万名开发者用户。此次发布的2.0版本历时18个月研发，核心团队联合了新加坡国立大学和南洋理工大学的研究人员，重点解决了大规模模型训练中的通信瓶颈和异构硬件兼容性问题。
三大核心升级
- 性能飞跃：通过创新的梯度压缩算法和异步流水线调度，NeuraFlow 2.0在常见的ResNet-50、BERT-Large等模型训练中，吞吐量比PyTorch 2.0高出30%～50%，显存占用降低25%。
- 联邦学习原生支持：框架内建了差分隐私和安全聚合模块，开发者无需额外库即可部署联邦学习场景，适用于医疗、金融等数据敏感领域。
- 自动编译与多后端：引入JIT编译器NeuraJIT，支持动态图静态化，并已适配NVIDIA CUDA 12.5、AMD ROCm 6.0以及华为昇腾CANN 7.0，覆盖主流AI加速芯片。
极客社区的即时反馈
开源仅半天，GitHub星标已突破2000。Reddit机器学习板块上，用户@DeepLearningFan评价：“NeuraFlow 2.0的分布式训练配置简单得令人难以置信——只需一行代码切换后端，基准测试直接提升40%。” 另一位开发者表示：“联邦学习模块的易用性让我震惊，以前需要几个周才能搭建的环境，现在几个小时就能跑通。” 不少网友将其与TensorFlow、PyTorch对比，认为NeuraFlow在特定场景下有明显优势。
新加坡AI生态的催化剂
VoxelAI的CEO陈伟铭在发布会上表示：“NeuraFlow 2.0是新加坡极客精神的产物。我们希望降低AI开发门槛，让中小企业也能以低成本构建高性能模型。” 新加坡经济发展局（EDB）也对此表示祝贺，称该项目体现了新加坡在AI基础设施领域的创新活力。目前，新加坡国立大学医学院已利用NeuraFlow 2.0进行乳腺癌病理切片的联邦学习研究，数据不出医院即可联合训练，准确率提升12%。
未来路线图
VoxelAI透露，NeuraFlow 2.0将每季度发布一次小版本更新，并计划在2026年底前支持更大规模的千亿参数模型。此外，团队正与Groq、Cerebras等新兴AI芯片厂商洽谈适配，以覆盖更多极客用户的硬件需求。
随着AI工具竞争白热化，NeuraFlow 2.0的亮相无疑为开发者提供了一个“轻量级但性能强劲”的新选择。对于关注新加坡交易所SGX主板的投资者而言，VoxelAI虽尚未上市，但其技术沉淀有望在未来为股东创造价值——毕竟，极客利器往往是颠覆性产业的起点。
