快科技 12 月 17 日消息，在香港举办的全球图形学领域的顶级学术盛会 SIGGRAPH Asia 2025 上，摩尔线程在 3DGS 重建挑战赛中，凭借自研技术 LiteGS 出色的算法实力和软硬件协同优化能力，斩获大赛银奖。

这再次证明了摩尔线程在新一代图形渲染技术上的深度积累，以及学术界的高度认可。

这也诠释了摩尔线程 " 全功能 GPU" 的真正价值，正是摩尔线程在一众国产 GPU 中的独特价值。

3DGS 也就是 3D Gaussian Splatting（三维高斯溅射），是 2023 年提出的一项革命性 3D 场景表示与神经网络渲染技术。

它以可参数化的 3D 高斯分布为核心，实现了画质、效率与资源占用之间的卓越平衡。

与传统 NeRF 方案相比，3DGS 不但保持了同样逼真的渲染质量，还可将渲染效率提升数百至上千倍，并在光线追踪、VR/AR 实时渲染、多模态融合等方向上展现出极强的适应性与扩展性。

3DGS 不仅适合三维重建、实时渲染等，在更广泛的 AI 场景中也有极高的潜在价值，尤其是在具身智能（Embodied AI）等需要智能体理解、与真实环境交互的前沿领域，高质量、低延迟的三维环境建模至关重要。

正因为对图形学未来技术发展的关键意义，3DGS 已成为全球学术界与产业界竞相投入的研究方向，受到 SIGGRAPH Asia 等权威机构的高度关注。

本次竞赛，大会为参赛团队设置了极具挑战性的任务：

参赛者需要在 60 秒内，基于主办方提供的真实终端视频序列（10 – 30 秒）、存在误差的相机轨迹以及终端 SLAM 点云，快速完成完整的 3DGS 高质量重建。

主办方以 PSNR（重建质量）与重建速度为综合评价指标，力求在完全公开、公正的条件下得出权威排名。

进入决赛阶段后，摩尔线程 AI 团队 ( MT-AI ) 在重建精度、效率两项指标上取得了非常亮眼的表现：

平均 PSNR ( 峰值信噪比 ) 仅为 27.58，位列前三；重建耗时仅为 34 秒，显著领先多数队伍。

最终，摩尔线程获得了二等奖（银牌）的优秀成绩。

目前， 3DGS 重建挑战赛的结果、数据集已向全球公开，相关资料可在 SIGGRAPH Asia 官方网站获取：

https://gaplab.cuhk.edu.cn/projects/gsRaceSIGA2025/

针对 3DGS 训练过程需要数十分钟甚至数小时的瓶颈问题，摩尔线程自主研发了 3DGS 基础库 LiteGS，首次实现了从底层 GPU 系统、中层数据管理到高层算法设计的全链路协同优化：

在 GPU 系统层面，摩尔线程创新提出基于 "One Warp Per Tile" 原则的 "Warp-Based Raster" 新范式，将梯度聚合简化为一次 Warp 内归约，并结合扫描线算法与混合精度策略，大幅降低梯度计算开销，同时实现高效的像素级统计能力。

在数据管理层，引入 " 聚类 - 剔除 - 压缩 " 流水线，借助 Morton 编码以极低开销对高斯基元进行动态空间重排，显著提升数据局部性，减少缓存失效与 Warp 分支。

在算法设计层，摒弃原有模糊的度量指标，采用更为鲁棒的像素不透明度梯度方差作为致密化的核心判据，精准识别欠拟合区域，其轻量化计算直接受益于底层光栅化器的高效统计支持。

通过系统与算法的协同优化，LiteGS 在训练效率与重建质量上均实现显著领先。

对比当前质量最优方案，LiteGS 在达到同等水平时，训练加速最高达 10.8 倍，而且参数量减少一半以上。

在相同参数量下，LiteGS PSNR 指标超出主流方案 0.2 – 0.4dB，训练时间缩短 3.8-7 倍。

针对轻量化模型，LiteGS 仅需原版 3DGS 约 10% 的训练时间与 20% 的参数量，即可实现同等质量。

目前，LiteGS 已在 GitHub 平台全面开源：

https://github.com/MooreThreads/LiteGS

值得一提的是，12 月 20 日 -21 日，摩尔线程将举办首届 MUSA 开发者大会，期间就设立了技术专题，深入探讨 3DGS 等图形智能技术。