12月17日，在香港舉辦的全球圖形學(xué)領(lǐng)域備受矚目的頂級學(xué)術(shù)盛會 SIGGRAPH Asia 2025上，摩爾線程在3D Gaussian Splatting Reconstruction Challenge（3DGS 重建挑戰(zhàn)賽）中憑借自研技術(shù)LiteGS出色的算法實力和軟硬件協(xié)同優(yōu)化能力，斬獲銀獎，再次證明摩爾線程在新一代圖形渲染技術(shù)上的深度積累與全球?qū)W術(shù)界的高度認可。

活動預(yù)告：歡迎鎖定12月20日-21日，摩爾線程MUSA開發(fā)者大會，我們將在具身智能等前沿專題中，深入解碼3DGS如何賦能未來。

3DGS：下一代圖形渲染的范式革命，開啟AI加速的高效渲染時代

3D Gaussian Splatting（3DGS，三維高斯濺射）是2023年提出的一項革命性3D 場景表示與渲染技術(shù)，以可參數(shù)化的3D 高斯分布為核心，實現(xiàn)了畫質(zhì)、效率與資源占用之間的卓越平衡。與傳統(tǒng) NeRF 相比，3DGS 在保持逼真渲染質(zhì)量的前提下，將渲染效率提升數(shù)百至上千倍，并在光線追蹤、VR/AR 實時渲染、多模態(tài)融合等方向展現(xiàn)出極強的適應(yīng)性與擴展性。

（*上圖僅作示意）

作為近年來快速發(fā)展的神經(jīng)渲染技術(shù)，3DGS不僅在三維重建與實時渲染等方向展現(xiàn)出卓越優(yōu)勢，也在更廣泛的 AI 場景中具備潛在的基礎(chǔ)價值。尤其是在具身智能（Embodied AI）等需要智能體理解并與真實環(huán)境交互的前沿領(lǐng)域，高質(zhì)量、低延遲的三維環(huán)境建模至關(guān)重要。3DGS 以其高保真場景顯示、快速優(yōu)化能力和輕量級結(jié)構(gòu)，為構(gòu)建準確的世界模型提供了可靠支撐，有助于提升路徑規(guī)劃、環(huán)境感知和復(fù)雜操作任務(wù)的能力。隨著 AI 技術(shù)向“理解并操作真實世界”方向不斷延展，3DGS 正逐漸成為具身智能訓(xùn)練場景中的關(guān)鍵基礎(chǔ)技術(shù)之一。

正因其對未來圖形學(xué)技術(shù)路線的關(guān)鍵意義，3DGS已成為全球?qū)W術(shù)界與產(chǎn)業(yè)界競相投入的研究方向，受到 SIGGRAPH Asia 等權(quán)威機構(gòu)的高度關(guān)注。

極致挑戰(zhàn)：60秒高質(zhì)量重建，推動3DGS技術(shù)走向?qū)嵱没R界點

本次競賽為參賽團隊設(shè)置了極具挑戰(zhàn)性的任務(wù)：參賽者需在60秒內(nèi)，基于主辦方提供的真實終端視頻序列（10–30秒）、存在誤差的相機軌跡以及終端SLAM點云，在極短時間內(nèi)完成完整的3DGS高質(zhì)量重建。

主辦方以PSNR（重建質(zhì)量）與重建速度為綜合評價指標，力求在完全公開、公正的條件下得出權(quán)威排名。

目前3D Gaussian Splatting Reconstruction Challenge（3DGS重建挑戰(zhàn)賽）的結(jié)果及數(shù)據(jù)集已向全球公開，相關(guān)資料可在SIGGRAPH Asia官方網(wǎng)站獲取：

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

摩爾線程的技術(shù)答卷：以全棧能力實現(xiàn)精度與速度的極致平衡

摩爾線程AI團隊以參賽編號“MT-AI”進入決賽階段，在重建精度與效率兩項指標上取得均衡且亮眼的表現(xiàn)：

平均 PSNR：27.58（位列前三）

重建耗時：34秒（顯著領(lǐng)先多數(shù)隊伍）

憑借行業(yè)領(lǐng)先的3DGS 算法構(gòu)建能力與軟硬件協(xié)同優(yōu)化優(yōu)勢，摩爾線程最終獲得二等獎（銀牌）的優(yōu)秀成績。

開放協(xié)作：摩爾線程開源3DGS基礎(chǔ)庫 LiteGS

作為一種新興的場景表示與新視角合成技術(shù)，3DGS憑借高渲染質(zhì)量與實時渲染速度，在計算機圖形學(xué)與視覺領(lǐng)域?qū)崿F(xiàn)了顯著突破。該技術(shù)通過數(shù)以百萬計的各向異性三維高斯基元來表示三維場景，以實現(xiàn)逼真的渲染效果，并在自動駕駛、虛擬現(xiàn)實、數(shù)字孿生等領(lǐng)域展現(xiàn)出巨大潛力。然而，盡管3DGS的渲染速度極快，其訓(xùn)練過程卻往往需要數(shù)十分鐘甚至數(shù)小時，成為制約其廣泛應(yīng)用的主要瓶頸。現(xiàn)有優(yōu)化方案往往僅從單一層面入手，難以系統(tǒng)性地解決訓(xùn)練過程中的性能制約。

為此，摩爾線程自主研發(fā)了3DGS基礎(chǔ)庫LiteGS，首次實現(xiàn)了從底層GPU系統(tǒng)、中層數(shù)據(jù)管理到高層算法設(shè)計的全鏈路協(xié)同優(yōu)化：

在GPU系統(tǒng)層面，摩爾線程創(chuàng)新提出基于“One Warp Per Tile”原則的“Warp-Based Raster”新范式，將梯度聚合簡化為一次Warp內(nèi)歸約，并結(jié)合掃描線算法與混合精度策略，大幅降低梯度計算開銷，同時實現(xiàn)高效的像素級統(tǒng)計能力；

在數(shù)據(jù)管理層，引入“聚類-剔除-壓縮”流水線，借助Morton編碼以極低開銷對高斯基元進行動態(tài)空間重排，顯著提升數(shù)據(jù)局部性，減少緩存失效與Warp分支；

在算法設(shè)計層，摒棄原有模糊的度量指標，采用更為魯棒的像素不透明度梯度方差作為致密化的核心判據(jù)，精準識別欠擬合區(qū)域，其輕量化計算直接受益于底層光柵化器的高效統(tǒng)計支持。

通過系統(tǒng)與算法的協(xié)同優(yōu)化，LiteGS在訓(xùn)練效率與重建質(zhì)量上均實現(xiàn)顯著領(lǐng)先，樹立了該領(lǐng)域新的性能標桿。在達到與當前質(zhì)量最優(yōu)方案同等水平時，LiteGS可獲得高達10.8倍的訓(xùn)練加速，且參數(shù)量減少一半以上；在相同參數(shù)量下，LiteGS在PSNR指標上超出主流方案0.2–0.4 dB，訓(xùn)練時間縮短3.8至7倍。針對輕量化模型，LiteGS僅需原版3DGS約10%的訓(xùn)練時間與20%的參數(shù)量，即可實現(xiàn)同等質(zhì)量，展現(xiàn)出卓越的工程實用性與技術(shù)前瞻性。

目前，LiteGS已在GitHub平臺全面開源，以推動三維重建與渲染技術(shù)的開放協(xié)作與持續(xù)演進。

▼LiteGS 開源地址：

https://github.com/MooreThreads/LiteGS

摩爾線程此次在國際圖形學(xué)頂會賽事上的獲獎，不止是一次競賽勝利，更是準確把握全球技術(shù)發(fā)展趨勢并引領(lǐng)未來圖形計算技術(shù)方向的戰(zhàn)略體現(xiàn)。作為圖形學(xué)領(lǐng)域未來發(fā)展的重要方向，3DGS技術(shù)對算法與硬件協(xié)同提出了極高要求。摩爾線程通過創(chuàng)新的算法設(shè)計、深度優(yōu)化的自研硬件以及高效的軟硬件協(xié)同，在本次賽事中展現(xiàn)了卓越的綜合能力。這一成就，印證了摩爾線程在圖形智能計算領(lǐng)域技術(shù)路徑的前瞻性與工程可行性，并體現(xiàn)了公司將前沿研究快速轉(zhuǎn)化為實踐成果的強大執(zhí)行力。

展望未來，摩爾線程將繼續(xù)深耕圖形、人工智能與高性能計算的融合創(chuàng)新，堅持全棧技術(shù)研發(fā)，持續(xù)推動圖形計算技術(shù)的進步與發(fā)展。摩爾線程期待與全球產(chǎn)學(xué)研伙伴深化合作，共同構(gòu)建更高效、開放、智能的圖形計算生態(tài)，為行業(yè)進步與用戶價值創(chuàng)造提供堅實支撐。

關(guān)于摩爾線程

摩爾線程以全功能GPU為核心，致力于向全球提供加速計算的基礎(chǔ)設(shè)施和一站式解決方案，為各行各業(yè)的數(shù)智化轉(zhuǎn)型提供強大的AI計算支持。

我們的目標是成為具備國際競爭力的GPU領(lǐng)軍企業(yè)，為融合人工智能和數(shù)字孿生的數(shù)智世界打造先進的加速計算平臺。我們的愿景是為美好世界加速。