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。