12月17日消息，線程在香港舉辦的拿下全球圖形學領域的頂級學術盛會 SIGGRAPH Asia 2025上，摩爾線程在3DGS重建挑戰賽中，頂級憑借自研技術LiteGS出色的圖形S挑算法實力和軟硬件協同優化能力，斬獲大賽銀獎。戰賽自研

這再次證明了摩爾線程在新一代圖形渲染技術上的銀獎深度積累，以及學術界的技術高度認可。

這也詮釋了摩爾線程“全功能GPU”的全面真正價值，正是開源摩爾線程在一眾國產GPU中的獨特價值。

3DGS也就是線程3D Gaussian Splatting（三維高斯濺射），是拿下2023年提出的一項革命性3D場景表示與神經網絡渲染技術。

它以可參數化的頂級3D高斯分布為核心，實現了畫質、圖形S挑效率與資源占用之間的戰賽自研卓越平衡。

與傳統NeRF方案相比，銀獎3DGS不但保持了同樣逼真的渲染質量，還可將渲染效率提升數百至上千倍，并在光線追蹤、VR/AR 實時渲染、多模態融合等方向上展現出極強的適應性與擴展性。

3DGS不僅適合三維重建、實時渲染等，在更廣泛的AI場景中也有極高的潛在價值，尤其是在具身智能（Embodied AI）等需要智能體理解、與真實環境交互的前沿領域，高質量、低延遲的三維環境建模至關重要。

正因為對圖形學未來技術發展的關鍵意義，3DGS已成為全球學術界與產業界競相投入的研究方向，受到SIGGRAPH Asia等權威機構的高度關注。

本次競賽，大會為參賽團隊設置了極具挑戰性的任務：

參賽者需要在60秒內，基于主辦方提供的真實終端視頻序列（10–30秒）、存在誤差的相機軌跡以及終端 SLAM 點云，快速完成完整的3DGS 高質量重建。

主辦方以 PSNR（重建質量）與重建速度為綜合評價指標，力求在完全公開、公正的條件下得出權威排名。

進入決賽階段后，摩爾線程AI團隊(MT-AI)在重建精度、效率兩項指標上取得了非常亮眼的表現：

平均 PSNR(峰值信噪比)僅為27.58，位列前三；重建耗時僅為34秒，顯著領先多數隊伍。

最終，摩爾線程獲得了二等獎（銀牌）的優秀成績。

目前， 3DGS重建挑戰賽的結果、數據集已向全球公開，相關資料可在 SIGGRAPH Asia 官方網站獲取：

https://gaplab.cuhk.edu.cn/projects/gsRaceSIGA2025/

針對3DGS訓練過程需要數十分鐘甚至數小時的瓶頸問題，摩爾線程自主研發了3DGS基礎庫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，摩爾線程創新提出基于“One Warp Per Tile”原則的“Warp-Based Raster”新范式，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，大幅降低梯度計算開銷，同時實現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，顯著提升數據局部性，減少緩存失效與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實現顯著領先。

對比當前質量最優方案，LiteGS在達到同等水平時，訓練加速最高達10.8倍，而且參數量減少一半以上。

在相同參數量下，LiteGS PSNR指標超出主流方案0.2–0.4dB，訓練時間縮短3.8-7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。

目前，LiteGS已在GitHub平臺全面開源：

https://github.com/MooreThreads/LiteGS

值得一提的是，12月20日-21日，摩爾線程將舉辦首屆MUSA開發者大會，期間就設立了技術專題，深入探討3DGS等圖形智能技術。