国家医保政策 - 国家医保局提出力争在明年实现全国生娃基本不花钱，推动将灵活就业人员、农民工、新就业形态人员纳入生育保险覆盖范围，并合理提升产前检查医疗费用保障水平 [4] - 国家医保局数据显示，到2025年底，31个省（区、市）及新疆生产建设兵团均已将符合条件的辅助生殖项目纳入医保，7个省份实现政策范围内住院分娩医疗费用全额保障，95%的统筹区将生育津贴直接发放给参保人 [4] 平台经济与反垄断 - 市场监管总局指出，平台要求商家提供“全网最低价”可能构成滥用市场支配地位或者垄断协议行为 [5] 汽车与出行行业 - 马斯克评论传统汽车行业，认为非自主内燃机汽车已走向衰落和死亡 [6] - 中国电动汽车百人会预计2026年国内新能源汽车销量有望达到2000万辆，并带动激光雷达、5G、车路云、智驾芯片等多个新技术产业发展 [11] - 全固态电池有望在未来2年完成小批量上车 [11] - Waymo正洽谈新一轮融资，计划以近1000亿美元（最高或达1100亿美元）的估值融资逾150亿美元 [21] - 广汽领程获得由广州白云金控领投的3亿元人民币资金支持 [19] 人工智能与科技 - 小米发布并开源最新MoE大模型MiMo-V2-Flash，该模型在世界级评估榜单中排到全球开源模型的TOP2，推理速度是DeepSeek-V3.2的3倍且成本更低 [6][7] - 马斯克预测其AI公司xAI最早可能在2026年实现通用人工智能（AGI） [12] - 腾讯升级大模型研发架构，新成立AI Infra部、AI Data部、数据计算平台部，并由前OpenAI研究员姚顺雨（Vinces Yao）出任首席AI科学家 [12] - OpenAI发布新的图像生成模型GPT Image 1.5，生成速度比之前模型提升四倍 [13] - 摩尔线程宣布开源3DGS基础库LiteGS，在同等质量下可获得高达10.8倍的训练加速，且参数量减少一半以上 [14] - 谷歌DeepMind CEO警告AI融资狂潮中存在“泡沫”，尤其是一些高估值的早期初创公司 [15] - 谷歌正式发布Gemini 3 Flash模型 [16] - 美的医疗发布自主研发的“医学影像多模态智能诊断大模型”，可自动检测胸部疾病并生成报告，计划于2026年迭代拓展至骨科DR领域 [22] 半导体与硬件 - 沐曦股份上市首日收盘报829.90元/股，较发行价104.66元/股上涨692.95%，公司市值达3320.43亿元，中一签最高浮盈近40万元 [16] - 截至目前，国产算力公司包括寒武纪、摩尔线程和沐曦股份，总市值已经突破万亿元 [17] - 根据相关机构测算，2025年国内AI芯片市场规模将达到1780亿元 [17] - 苹果正与印度芯片制造商进行初步商谈，计划在印度为其iPhone封装芯片 [12] - 科技媒体爆料称苹果iPhone 18 Pro系列计划彻底摒弃“灵动岛”药丸形挖孔，转而采用左上角单打孔前置镜头与屏下FaceID技术 [22] 消费与零售 - 蜜雪冰城美国首店在洛杉矶好莱坞试运营，已开启预售，套餐定价为3.99美元（约合人民币28元） [9] - 瑞幸咖啡被传考虑收购雀巢旗下精品咖啡品牌蓝瓶咖啡，蓝瓶咖啡方面对此不予回复 [11] 资本市场与公司动态 - 融创中国公告预计其约96亿美元的现有境外债务将于2025年12月23日前后获全面解除及免除 [10] - 万科提议将“22万科MTN005”中期票据本金37亿元的兑付时间展期12个月至2026年12月28日 [11] - 阿里创投减持华谊兄弟 [11] - 宗馥莉卸任杭州娃哈哈食品有限公司法定代表人、董事、经理等职务 [7] - 玛莎拉蒂APP因侵害用户权益被上海市通信管理局作下架处理 [7] - 北京市多部门联合约谈抖音、小红书、贝壳、58同城、闲鱼、链家等互联网平台，要求整治房地产领域网络乱象 [10] - 大模型公司智谱已通过港交所上市聆讯 [17] - 美国数据与AI公司Databricks完成超40亿美元L轮融资，公司估值达1340亿美元 [18] - 原集微科技（上海）有限公司完成近亿元天使轮融资 [20] 金融产品 - 截至12月16日，941只有统计数据的货币基金七日年化收益率中位数为1.24%，其中102只跌至1%以下，但天弘余额宝基金七日年化仍坚守在1.014% [9] - 截至10月底，货币基金总份额为15.05万亿份，较9月底增长逾3800万份 [10]

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3D Gaussian Splatting领域的算法实力和软硬件协同优化能力 [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，并成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3DGS基础库LiteGS，展示了从底层GPU系统到高层算法的全栈优化能力，在训练效率和重建质量上树立了新的性能标杆，并计划在开发者大会上进一步探讨该技术如何赋能未来 [20][24][28] 3DGS技术概述与行业意义 - 3D Gaussian Splatting是2023年提出的革命性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、效率与资源占用的卓越平衡 [4] - 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 [4] - 该技术在光线追踪、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 [4] - 3DGS以其高保真、快速优化和轻量级结构，为具身智能构建准确的世界模型提供了可靠支撑，正逐渐成为该领域的关键基础技术之一 [7] - 3DGS已成为全球学术界与产业界竞相投入的研究方向，受到SIGGRAPH Asia等权威机构的高度关注 [8] SIGGRAPH Asia 2025 3DGS挑战赛详情 - 挑战赛要求参赛团队在60秒内，基于提供的真实终端视频序列、存在误差的相机轨迹及终端SLAM点云，完成高质量的3DGS重建 [10] - 比赛以PSNR（重建质量）与重建速度为综合评价指标 [12] - 比赛结果及数据集已向全球公开 [14] 摩尔线程参赛表现与技术成果 - 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，最终获得二等奖（银牌） [17] - 根据成绩表，摩尔线程（MT-Al）的平均PSNR为27.58，重建耗时为34秒 [18] - 公司自主研发了3DGS基础库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 [21] - 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 [22] - 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 [22] - 在算法设计层，采用像素不透明度梯度方差作为致密化核心判据，精准识别欠拟合区域 [22] - 通过协同优化，LiteGS在达到与当前质量最优方案同等水平时，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在PSNR指标上超出主流方案0.2–0.4 dB，训练时间缩短3.8至7倍 [31] - 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 [31] 开源与未来展望 - 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] - 公司此次获奖被视作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] - 摩尔线程计划于2025年12月20日-21日在首届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塑造未来，赋能具身智能等前沿领域 [28]

公司技术成就 - 摩尔线程在SIGGRAPH Asia 2025的3DGS重建挑战赛中凭借自研技术LiteGS获得银奖 [1] - 公司自主研发的3DGS基础库LiteGS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 [1] 技术背景与挑战 - 3D高斯溅射是一项革命性的3D场景表示与渲染技术，在三维重建、实时渲染及更广泛的AI场景中具备潜在基础价值 [1] - 该技术渲染速度极快，但训练过程往往需要数十分钟甚至数小时，成为制约其广泛应用的主要瓶颈 [1] - 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过程中的性能制约 [1] 技术性能优势 - LiteGS在达到与当前质量最优方案同等水平时，可获得高达10.8倍的训练加速，且参数量减少一半以上 [2] - 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 [2] - 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 [2] - 该技术在训练效率与重建质量上均实现显著领先，树立了该领域新的性能标杆 [2] 技术应用与开源 - LiteGS展现出卓越的工程实用性与技术前瞻性 [2] - 目前，LiteGS已在GitHub平台全面开源 [2]

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]