在圖形學領域全球矚目的頂級學術盛會SIGGRAPH Asia 2025上，一場激烈的3D Gaussian Splatting Reconstruction Challenge（3DGS重建挑戰賽）落下帷幕。摩爾線程憑借自研技術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領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。它以可參數化的3D高斯分布為核心，巧妙地平衡了畫質、效率與資源占用之間的關系。與傳統NeRF技術相比，3DGS在保持逼真渲染質量的同時，將渲染效率提升了數百甚至上千倍。不僅如此，它在光線追蹤、VR/AR實時渲染、多模態融合等多個方向都展現出了強大的適應性和擴展性，成為近年來快速發展的神經渲染技術中的佼佼者。

隨著AI技術不斷向“理解并操作真實世界”的方向發展，3DGS的重要性愈發凸顯。在具身智能（Embodied AI）等前沿領域，智能體需要準確理解并與真實環境進行交互，高質量、低延遲的三維環境建模就顯得尤為關鍵。3DGS憑借其高保真場景顯示、快速優化能力和輕量級結構，為構建準確的世界模型提供了可靠支撐，有助于提升路徑規劃、環境感知和復雜操作任務的能力，逐漸成為具身智能訓練場景中的關鍵基礎技術之一。正因如此，3DGS吸引了全球學術界與產業界的廣泛關注，眾多科研力量紛紛投入其中，SIGGRAPH Asia等權威機構也對其給予了高度重視。

本次3DGS重建挑戰賽為參賽團隊設置了極具挑戰性的任務。參賽者要在60秒內，依據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高質量重建。主辦方以PSNR（重建質量）和重建速度作為綜合評價指標，力求在公開、公正的條件下得出權威排名。目前，比賽結果及數據集已向全球公開，相關人員可在SIGGRAPH Asia官方網站獲取詳細資料。

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鍵指標上，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，顯著領先多數參賽隊伍。憑借行業領先的3DGS算法構建能力以及軟硬件協同優化優勢，摩爾線程最終榮獲二等獎（銀牌）。

為了推動3DGS技術的廣泛應用，解決其訓練過程耗時較長這一制約瓶頸，摩爾線程自主研發了3DGS基礎庫LiteGS。現有優化方案往往僅從單一層面入手，難以系統性地解決訓練性能問題，而LiteGS首次實現了從底層GPU系統、中層數據管理到高層算法設計的全鏈路協同優化。

在GPU系統層面，摩爾線程創新性地提出基于“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內歸約，并結合掃描線算法與混合精度策略，大幅降低了梯度計算開銷，同時實現了高效的像素級統計能力。在數據管理層，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空間重排，顯著提升了數據局部性，減少了緩存失效與Warp分支。在算法設計層，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，精準識別欠擬合區域，其輕量化計算直接受益于底層光柵化器的高效統計支持。

通過系統與算法的協同優化，LiteGS在訓練效率與重建質量上均取得了顯著領先。在與當前質量最優方案達到同等水平時，LiteGS可獲得高達10.8倍的訓練加速，且參數量減少一半以上；在相同參數量下，LiteGS在PSNR指標上超出主流方案0.2 - 0.4dB，訓練時間縮短3.8至7倍。針對輕量化模型，LiteGS僅需原版3DGS約10%的訓練時間與20%的參數量，即可實現同等質量，展現出卓越的工程實用性與技術前瞻性。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的開放協作與持續發展。

摩爾線程在此次國際圖形學頂會賽事中的獲獎，并非偶然。3DGS技術對算法與硬件協同提出了極高要求，而摩爾線程通過創新的算法設計、深度優化的自研硬件以及高效的軟硬件協同，在本次賽事中充分展現了卓越的綜合能力。這一成就不僅印證了其在圖形智能計算領域技術路徑的前瞻性，也體現了其將前沿研究快速轉化為實踐成果的強大執行力。

2025年12月20日 - 21日，首屆MUSA開發者大會將設立技術專題，深入探討3DGS等圖形智能技術如何塑造未來，賦能具身智能等前沿領域，屆時歡迎各界人士共同關注與探討。