2025年12月17日，在中国香港举行的全球图形学领域备受瞩目的顶级学术盛会 SIGGRAPH Asia 2025上，摩尔线程在3D Gaussian Splatting Reconstruction Challenge（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，再次证明摩尔线程在新一代图形渲染技术上 的深度积累与学术界的高度认可。 3DGS：下一代图形渲染的范式革命，开启AI加速的高效渲染时代 3D Gaussian Splatting（3DGS，三维高斯溅射）是2023年提出的一项革命性3D 场景表示与渲染技术，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 相比，3DGS 在保持逼真渲染质量的前提下，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、 多模态融合等方向展现出极强的适应性与扩展性。 作为近年来快速发展的神经渲染技术，3DGS不仅在三维重建与实时渲染等方向展现出卓越优势，也在更广泛的 AI 场景中具备潜在的基础价值。尤其是在 具身智能（Embodied AI）等需要智能体理解 ...

允中 发自 凹非寺 量子位 | 公众号 QbitAI 12月17日，在香港举办的全球图形学领域备受瞩目的顶级学术盛会SIGGRAPH Asia 2025上， 摩尔线程 在3D Gaussian Splatting Reconstruction Challenge （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与学术界的高度认可。 3DGS：下一代图形渲染的范式革命，开启AI加速的高效渲染时代 3D Gaussian Splatting （3DGS，三维高斯溅射） 是在2023年被提出的一项革命性3D场景表示与渲染技术，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相比，3DGS在保持逼真渲染质量的前提下，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 方向展现出极强的适应性与扩展性。 △ 上图仅作示意 作为近年来快速发展的神经渲染技术，3DGS不仅在三维重建与实时渲染等方向展现出卓越优势，也在更广泛的AI场景中具备潜 ...

文章核心观点 - 摩尔线程在SIGGRAPH Asia 2025的3DGS重建挑战赛中凭借自研的LiteGS技术获得银奖，证明了其在下一代图形渲染技术上的算法实力和软硬件协同能力[1] - 3DGS是一项革命性的3D场景表示与渲染技术，相比传统NeRF，能在保持画质的同时将渲染效率提升数百至上千倍，并被视为具身智能等前沿领域的关键基础技术[4][7] - 摩尔线程通过开源其全栈优化的3DGS基础库LiteGS，旨在推动技术开放协作，其方案在训练效率和模型轻量化上树立了新的性能标杆[18][24][27] 3DGS技术概述与行业意义 - 3DGS以可参数化的3D高斯分布为核心，实现了画质、效率与资源占用的卓越平衡[4] - 该技术为具身智能等需要与真实环境交互的领域提供了高质量、低延迟的三维环境建模支撑，有助于提升路径规划和环境感知能力[7] - 因其对未来图形学技术路线的关键意义，3DGS已成为全球学术界与产业界竞相投入的研究方向[8] SIGGRAPH Asia 2025挑战赛详情 - 竞赛任务极具挑战性，要求参赛者在60秒内，基于存在误差的相机轨迹和终端SLAM点云，完成完整的3DGS高质量重建[10] - 主办方以PSNR（重建质量）与重建速度为综合评价指标进行权威排名[12] - 比赛结果及数据集已向全球公开[13] 摩尔线程参赛表现与技术方案 - 摩尔线程AI团队以“MT-AI”参赛，在重建精度与效率上取得均衡表现，最终获得银奖[16] - 具体比赛数据显示，其方案平均PSNR为27.58，重建耗时34秒，在效率上显著领先多数队伍[17][20] - 公司自主研发的LiteGS基础库实现了从底层GPU系统、中层数据管理到高层算法设计的全链路协同优化[20][21] LiteGS技术的核心优势与性能数据 - 在GPU系统层面，创新提出基于“One Warp Per Tile”原则的“Warp-Based Raster”新范式，大幅降低梯度计算开销[21] - 在数据管理层，引入“聚类-剔除-压缩”流水线，显著提升数据局部性，减少缓存失效[21] - 在算法设计层，采用像素不透明度梯度方差作为致密化判据，精准识别欠拟合区域[21] - 性能表现突出：在达到同等质量时，LiteGS可获得高达10.8倍的训练加速，且参数量减少一半以上[25] - 在相同参数量下，LiteGS的PSNR指标超出主流方案0.2–0.4 dB，训练时间缩短3.8至7倍[29] - 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[29] 公司的战略布局与后续行动 - 此次获奖是公司准确把握全球技术发展趋势并引领未来图形计算技术方向的战略体现[28] - 公司计划在2025年12月20日至21日的首届MUSA开发者大会上设立技术专题，深入探讨3DGS等图形智能技术如何赋能具身智能等前沿领域[28] - 摩尔线程已将LiteGS在GitHub平台全面开源，以推动三维重建与渲染技术的开放协作与持续演进[27]