在圖形學(xué)領(lǐng)域全球矚目的頂級學(xué)術(shù)盛會SIGGRAPH Asia 2025上，一場激烈的3D Gaussian Splatting Reconstruction Challenge（3DGS重建挑戰(zhàn)賽）落下帷幕。摩爾線程憑借自研技術(shù)LiteGS，在眾多參賽隊伍中脫穎而出，斬獲大賽銀獎，這一成績彰顯了其在新一代圖形渲染技術(shù)領(lǐng)域的深厚積累與強大實力。

3D Gaussian Splatting（3DGS，三維高斯濺射）是2023年誕生的一項具有革命性的3D場景表示與渲染技術(shù)。它以可參數(shù)化的3D高斯分布為核心，巧妙地平衡了畫質(zhì)、效率與資源占用之間的關(guān)系。與傳統(tǒng)NeRF技術(shù)相比，3DGS在保持逼真渲染質(zhì)量的同時，將渲染效率提升了數(shù)百甚至上千倍。不僅如此，它在光線追蹤、VR/AR實時渲染、多模態(tài)融合等多個方向都展現(xiàn)出了強大的適應(yīng)性和擴展性，成為近年來快速發(fā)展的神經(jīng)渲染技術(shù)中的佼佼者。

隨著AI技術(shù)不斷向“理解并操作真實世界”的方向發(fā)展，3DGS的重要性愈發(fā)凸顯。在具身智能（Embodied AI）等前沿領(lǐng)域，智能體需要準(zhǔn)確理解并與真實環(huán)境進行交互，高質(zhì)量、低延遲的三維環(huán)境建模就顯得尤為關(guān)鍵。3DGS憑借其高保真場景顯示、快速優(yōu)化能力和輕量級結(jié)構(gòu)，為構(gòu)建準(zhǔn)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，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。正因如此，3DGS吸引了全球?qū)W術(shù)界與產(chǎn)業(yè)界的廣泛關(guān)注，眾多科研力量紛紛投入其中，SIGGRAPH Asia等權(quán)威機構(gòu)也對其給予了高度重視。

本次3DGS重建挑戰(zhàn)賽為參賽團隊設(shè)置了極具挑戰(zhàn)性的任務(wù)。參賽者要在60秒內(nèi)，依據(jù)主辦方提供的真實終端視頻序列（時長10 - 30秒）、存在誤差的相機軌跡以及終端SLAM點云，完成完整的3DGS高質(zhì)量重建。主辦方以PSNR（重建質(zhì)量）和重建速度作為綜合評價指標(biāo)，力求在公開、公正的條件下得出權(quán)威排名。目前，比賽結(jié)果及數(shù)據(jù)集已向全球公開，相關(guān)人員可在SIGGRAPH Asia官方網(wǎng)站獲取詳細資料。

摩爾線程AI團隊以參賽編號“MT - AI”進入決賽階段。在重建精度與效率這兩項關(guān)鍵指標(biāo)上，他們交出了一份令人矚目的答卷：平均PSNR達到27.58，位列前三；重建耗時僅34秒，顯著領(lǐng)先多數(shù)參賽隊伍。憑借行業(yè)領(lǐng)先的3DGS算法構(gòu)建能力以及軟硬件協(xié)同優(yōu)化優(yōu)勢，摩爾線程最終榮獲二等獎（銀牌）。

為了推動3DGS技術(shù)的廣泛應(yīng)用，解決其訓(xùn)練過程耗時較長這一制約瓶頸，摩爾線程自主研發(fā)了3DGS基礎(chǔ)庫LiteGS。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)練性能問題，而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)新性地提出基于“One Warp Per Tile”原則的“Warp - Based Raster”新范式。該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，大幅降低了梯度計算開銷，同時實現(xiàn)了高效的像素級統(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，顯著提升了數(shù)據(jù)局部性，減少了緩存失效與Warp分支。在算法設(shè)計層，摒棄原有模糊的度量指標(biāo)，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(zhǔn)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)量上均取得了顯著領(lǐng)先。在與當(dāng)前質(zhì)量最優(yōu)方案達到同等水平時，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(biāo)上超出主流方案0.2 - 0.4dB，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，旨在推動三維重建與渲染技術(shù)的開放協(xié)作與持續(xù)發(fā)展。

摩爾線程在此次國際圖形學(xué)頂會賽事中的獲獎，并非偶然。3DGS技術(shù)對算法與硬件協(xié)同提出了極高要求，而摩爾線程通過創(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，在本次賽事中充分展現(xiàn)了卓越的綜合能力。這一成就不僅印證了其在圖形智能計算領(lǐng)域技術(shù)路徑的前瞻性，也體現(xiàn)了其將前沿研究快速轉(zhuǎn)化為實踐成果的強大執(zhí)行力。

2025年12月20日 - 21日，首屆MUSA開發(fā)者大會將設(shè)立技術(shù)專題，深入探討3DGS等圖形智能技術(shù)如何塑造未來，賦能具身智能等前沿領(lǐng)域，屆時歡迎各界人士共同關(guān)注與探討。