在图形学领域全球瞩目的顶级学术盛会SIGGRAPH Asia 2025上，一场激烈的3D Gaussian Splatting Reconstruction Challenge（3DGS重建挑战赛）落下帷幕。摩尔线程凭借自研技术LiteGS，在众多参赛队伍中脱颖而出，斩获大赛银奖，这一成绩彰显了其在新一代图形渲染技术领域的深厚积累与强大实力。
3D Gaussian Splatting（3DGS，三维高斯溅射）是2023年诞生的一项具有革命性的3D场景表示与渲染技术。它以可参数化的3D高斯分布为核心，巧妙地平衡了画质、效率与资源占用之间的关系。与传统NeRF技术相比，3DGS在保持逼真渲染质量的同时，将渲染效率提升了数百甚至上千倍。不仅如此，它在光线追踪、VR/AR实时渲染、多模态融合等多个方向都展现出了强大的适应性和扩展性，成为近年来快速发展的神经渲染技术中的佼佼者。
随着AI技术不断向“理解并操作真实世界”的方向发展，3DGS的重要性愈发凸显。在具身智能（Embodied AI）等前沿领域，智能体需要准确理解并与真实环境进行交互，高质量、低延迟的三维环境建模就显得尤为关键。3DGS凭借其高保真场景显示、快速优化能力和轻量级结构，为构建准确的世界模型提供了可靠支撑，有助于提升路径规划、环境感知和复杂操作任务的能力，逐渐成为具身智能训练场景中的关键基础技术之一。正因如此，3DGS吸引了全球学术界与产业界的广泛关注，众多科研力量纷纷投入其中，SIGGRAPH Asia等权威机构也对其给予了高度重视。
本次3DGS重建挑战赛为参赛团队设置了极具挑战性的任务。参赛者要在60秒内，依据主办方提供的真实终端视频序列（时长10 - 30秒）、存在误差的相机轨迹以及终端SLAM点云，完成完整的3DGS高质量重建。主办方以PSNR（重建质量）和重建速度作为综合评价指标，力求在公开、公正的条件下得出权威排名。目前，比赛结果及数据集已向全球公开，相关人员可在SIGGRAPH Asia官方网站获取详细资料。
摩尔线程AI团队以参赛编号“MT - AI”进入决赛阶段。在重建精度与效率这两项关键指标上，他们交出了一份令人瞩目的答卷：平均PSNR达到27.58，位列前三；重建耗时仅34秒，显著领先多数参赛队伍。凭借行业领先的3DGS算法构建能力以及软硬件协同优化优势，摩尔线程最终荣获二等奖（银牌）。
为了推动3DGS技术的广泛应用，解决其训练过程耗时较长这一制约瓶颈，摩尔线程自主研发了3DGS基础库LiteGS。现有优化方案往往仅从单一层面入手，难以系统性地解决训练性能问题，而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，摩尔线程创新性地提出基于“One Warp Per Tile”原则的“Warp - Based Raster”新范式。该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，大幅降低了梯度计算开销，同时实现了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，显著提升了数据局部性，减少了缓存失效与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取得了显著领先。在与当前质量最优方案达到同等水平时，LiteGS可获得高达10.8倍的训练加速，且参数量减少一半以上；在相同参数量下，LiteGS在PSNR指标上超出主流方案0.2 - 0.4dB，训练时间缩短3.8至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，展现出卓越的工程实用性与技术前瞻性。目前，LiteGS已在GitHub平台全面开源，旨在推动三维重建与渲染技术的开放协作与持续发展。
摩尔线程在此次国际图形学顶会赛事中的获奖，并非偶然。3DGS技术对算法与硬件协同提出了极高要求，而摩尔线程通过创新的算法设计、深度优化的自研硬件以及高效的软硬件协同，在本次赛事中充分展现了卓越的综合能力。这一成就不仅印证了其在图形智能计算领域技术路径的前瞻性，也体现了其将前沿研究快速转化为实践成果的强大执行力。
2025年12月20日 - 21日，首届MUSA开发者大会将设立技术专题，深入探讨3DGS等图形智能技术如何塑造未来，赋能具身智能等前沿领域，届时欢迎各界人士共同关注与探讨。
