在刚刚落幕的SIGGRAPH Asia 2025大会上，一场聚焦3D场景重建技术的国际竞赛引发全球关注。由国内企业摩尔线程组成的MT-AI团队，凭借自主研发的3D Gaussian Splatting（3DGS）算法框架LiteGS，在60秒极限重建挑战中斩获银奖，成为首个在该领域跻身国际前列的中国团队。
这项被称为"三维重建范式革命"的技术，通过数百万个各向异性高斯基元构建场景模型，在保持NeRF级渲染质量的同时，将效率提升数百倍。其核心突破在于解决了传统方法中画质、速度与资源占用的三角困境，尤其在光线追踪、VR/AR实时渲染等场景展现出独特优势。技术评估显示，LiteGS在PSNR质量指标上达到27.58的顶尖水平，而34秒的重建速度较多数参赛方案缩短近半。
竞赛任务极具挑战性：参赛者需在60秒内，基于存在误差的相机轨迹和SLAM点云数据，完成从视频序列到高精度3D场景的完整重建。主办方采用PSNR与重建速度的复合评价体系，确保结果兼具学术严谨性与工程实用性。目前所有竞赛数据与评估结果已通过中大GAP实验室官网公开，供全球研究者下载验证。
摩尔线程的突破性进展源于全栈技术整合能力。团队创新性提出"Warp-Based Raster"渲染范式，通过单线程块处理原则重构梯度计算流程，结合混合精度策略将计算开销降低70%。数据管理层引入的聚类-剔除-压缩流水线，使高斯基元的空间局部性提升3倍以上。算法层面采用的像素不透明度梯度方差指标，较传统方法能更精准定位欠拟合区域，这些改进共同构成了LiteGS的性能基石。
实测数据显示，在达到同等重建质量时，LiteGS的训练速度较主流方案提升最高达10.8倍，参数量减少50%以上。针对轻量化场景开发的精简模型，仅需原版10%的训练时间和20%的参数量即可实现相同效果。这种跨层次的协同优化，使该技术在自动驾驶环境建模、数字孪生等实时性要求严苛的领域具有显著优势。
作为技术普惠的重要举措，摩尔线程已将LiteGS核心代码库在GitHub平台开源。该框架包含完整的GPU加速模块、数据预处理工具链和算法优化接口，支持研究者快速构建定制化解决方案。开源文档显示，开发者通过简单配置即可在现有3DGS流程中集成LiteGS的加速组件，平均可获得4-7倍的训练提速。
这项成果的工程价值已获国际学术界认可。在SIGGRAPH Asia技术展示环节，评审专家特别指出LiteGS"重新定义了3D场景重建的性能边界"。其创新性的全链路优化方法，为神经渲染领域解决训练效率瓶颈提供了新思路。目前已有多个国际研究团队基于LiteGS开展扩展研究，相关论文正在计算机视觉顶会CVPR审核中。
据内部人士透露，摩尔线程正将该技术深度整合至其MUSA智能计算架构。在即将召开的首届MUSA开发者大会上，团队将发布面向具身智能的3DGS应用框架，展示如何通过实时环境建模提升机器人路径规划能力。这项技术突破或将加速AI从感知智能向认知智能的演进，为工业自动化、智慧医疗等领域带来新的发展契机。
