导语：摩尔线程这次于国际图形学顶会赛事上的获奖，不止是一次竞赛胜利，更是正确掌握全世界技能成长趋向并引领将来图形计较技能标的目的的战略表现。

2025年12月17日，中国香港——于全世界图形学范畴备受瞩目的顶级学术嘉会SIGGRAPH Asia 2025上，摩尔线程于3D Gaussian Splatting Reconstruction Challenge（3DGS重修挑战赛）中依附自研技能LiteGS精彩的算法实力及软硬件协同优化能力，斩获年夜赛银奖，再次证实摩尔线程于新一代图形衬着技能上的深度堆集与学术界的高度承认。

3DGS：下一代图形衬着的范式革命，开启AI加快的高效衬着时代

3D Gaussian Splatting（3DGS，三维高斯溅射）是2023年提出的一项革命性3D场景暗示与衬着技能，以可参数化的3D高斯漫衍为焦点，实现了画质、效率与资源占用之间的卓着均衡。与传统NeRF比拟，3DGS于连结传神衬着质量的条件下，将衬着效率晋升数百至上千倍，并于光芒追踪、VR/AR及时衬着、多模态交融等标的目的揭示出极强的顺应性与扩大性。

（*上图仅作示意）

作为最近几年来快速成长的神经衬着技能，3DGS不仅于三维重修与及时衬着等标的目的揭示出卓着上风，也于更广泛的AI场景中具有潜于的基础价值。特别是于具身智能（Embodied AI）等需要智能体理解并与真实情况交互的前沿范畴，高质量、低延迟的三维情况建模至关主要。3DGS以其高保真场景显示、快速优化能力及轻量级布局，为构建正确的世界模子提供了靠得住支撑，有助在晋升路径计划、情况感知及繁杂操作使命的能力。跟着AI技能向“理解并操作真实世界”标的目的不停延展，3DGS正逐渐成为具身智能练习场景中的要害基础技能之一。

正因其对于将来图形学技能线路的要害意义，3DGS已经成为全世界学术界与财产界竞相投入的研究标的目的，遭到SIGGRAPH Asia等权势巨子机构的高度存眷。

极致挑战：60秒高质量重修，鞭策3DGS技能走向实用化临界点

本次竞赛为参赛团队设置了极具挑战性的使命：参赛者需于60秒内，基在主理方提供的真实终端视频序列（10–30秒）、存于偏差的相机轨迹以和终端SLAM点云，于极短期内完成完备的3DGS高质量重修。

主理方以PSNR（重修质量）与重修速率为综合评价指标，力图于彻底公然、公道的前提下患上出权势巨子排名。

今朝3D Gaussian Splatting Reconstruction Challenge（3DGS重修挑战赛）的成果和数据集已经向全世界公然，相干资料可于SIGGRAPH Asia官方网站获取（https://gaplab.cuhk.edu.cn/projects/gsRaceSIGA2025/）。

摩尔线程的技能答卷：以全栈能力实现精度与速率的极致均衡

摩尔线程AI团队以参赛编号“MT-AI”进入决赛阶段，于重修精度与效率两项指标上取患上平衡且亮眼的体现：

平均PSNR：27.58（位列前三）

重修耗时：34秒（显著领先大都步队）

依附行业领先的3DGS算法构建能力与软硬件协同优化上风，摩尔线程终极得到二等奖（银牌）的优异成就。

开放协作：摩尔线程开源3DGS基础库LiteGS

作为一种新兴的场景暗示与新视角合成技能，3DGS依附高衬着质量与及时衬着速率，于计较机图形学与视觉范畴实现了显著冲破。该技能经由过程数以百万计的各向异性三维高斯基元来暗示三维场景，以实现传神的衬着效果，并于主动驾驶、虚拟实际、数字孪生等范畴揭示出巨年夜潜力。然而，只管3DGS的衬着速率极快，其练习历程却往往需要数十分钟甚至数小时，成为制约其广泛运用的重要瓶颈。现有优化方案往往仅从单一层面入手，难以体系性地解决练习历程中的机能制约。

为此，摩尔线程自立研发了3DGS基础库LiteGS，初次实现了从底层GPU体系、中层数据治理到高层算法设计的全链路协同优化：

于GPU体系层面，摩尔线程立异提出基在“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，并联合扫描线算法与混淆精度计谋，年夜幅降低梯度计较开消，同时实现高效的像素级统计能力；

于数据治理层，引入“聚类-剔除了-压缩”流水线，借助Morton编码以极低开消对于高斯基元举行动态空间重排，显著晋升数据局部性，削减缓存掉效与Warp分支；

于算法设计层，摒弃原有恍惚的器量指标，采用更为鲁棒的像素不透明度梯度方差作为致密化的焦点判据，精准辨认欠拟合区域，其轻量化计较直接管益在底层光栅化器的高效统计撑持。

经由过程体系与算法的协同优化，LiteGS于练习效率与重修质量上均实现显著领先，树立了该范畴新的机能标杆。于到达与当前质量最优方案划一程度时，LiteGS可得到高达10.8倍的练习加快，且参数目削减一半以上；于不异参数目下，LiteGS于PSNR指标上凌驾主流方案0.2–0.4 dB，练习时间缩短3.8至7倍。针对于轻量化模子，LiteGS仅需原版3DGS约10%的练习时间与20%的参数目，便可实现划一质量，揭示出卓着的工程实用性与技能前瞻性。

今朝，LiteGS已经于GitHub平台周全开源（https://github.com/MooreThreads/LiteGS），以鞭策三维重修与衬着技能的开放协作与连续演进。

摩尔线程这次于国际图形学顶会赛事上的获奖，不止是一次竞赛胜利，更是正确掌握全世界技能成长趋向并引领将来图形计较技能标的目的的战略表现。作为图形学范畴将来成长的主要标的目的，3DGS技能对于算法与硬件协同提出了极高要求。摩尔线程经由过程立异的算法设计、深度优化的自研硬件以和高效的软硬件协同，于本次赛事中揭示了卓着的综合能力。这一成绩，印证了摩尔线程于图形智能计较范畴技能路径的前瞻性与工程可行性，并表现了公司将前沿研究快速转化为实践结果的强盛履行力。

2025年12月20日-21日，摩尔线程将在首届MUSA开发者年夜会设立技能专题，深切切磋3DGS等图形智能技能怎样塑造将来，赋能具身智能等前沿范畴，诚邀您配合存眷与切磋。

雷峰网版权文章，未经授权禁止转载。详情见转载须知。