在近期于香港举办的全球图形学领域顶级学术会议SIGGRAPH Asia 2025上，一项关于3D高斯溅射（3DGS）重建技术的挑战赛结果公布，吸引了行业的广泛关注。其中，摩尔线程（Moore Threads）团队在本次比赛中获得了银奖，并宣布将其自研的LiteGS基础库全面开源。这从一个侧面反映了国产GPU在图形计算与AI算法领域的技术实力和创新能力。
本次竞赛任务极具挑战性，要求参赛团队在60秒内，依据一段真实终端视频序列（10-30秒）、存在误差的相机轨迹及终端SLAM点云，完成高质量的3DGS场景重建。评审综合考察重建质量（PSNR）与重建速度，对参赛者的算法效率和工程实现能力提出了很高要求。
摩尔线程AI团队在决赛中，取得了平均PSNR 27.58（位列前三）与34秒重建耗时（显著领先多数队伍）的均衡且亮眼的表现，最终荣获二等奖（银牌），展现了摩尔线程全栈能力带来的精度与速度的极致平衡。
为了系统性解决3DGS技术训练耗时长的瓶颈，摩尔线程自主研发并开源了3DGS基础库LiteGS。该库尝试从多个层面进行协同优化：在GPU系统层面，摩尔线程提出了基于“One Warp Per Tile”原则的“Warp-Based Raster”新范式，大幅降低计算开销，同时实现高效的像素级统计能力；在数据管理层，借助Morton编码以极低开销对高斯基元进行动态空间重排，显著提升数据局部性，减少缓存失效与Warp分支；在算法设计层，采用了更为鲁棒的像素不透明度梯度方差作为致密化的核心判据，精准识别欠拟合区域，其轻量化计算直接受益于底层光栅化器的高效统计支持。测试数据显示，LiteGS在达到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，参数量减少一半以上。
近年来，随着人工智能和图形计算需求的融合，3DGS等新一代渲染技术在自动驾驶、数字孪生、虚拟现实等多个领域展现出应用潜力。这类技术的发展，也对底层计算硬件提出了新的需求，客观上为国产GPU的演进提供了具体的技术场景和验证机会。推动此类高性能计算技术的进步与实用化，需要算法、硬件和系统软件的紧密配合。
本次赛事的举办与相关技术的开源，为领域内的研究者提供了开放的交流平台和基准。摩尔线程此次开源LiteGS，旨在促进三维重建与渲染技术的开放协作与持续探索。此类国际前沿领域的技术竞赛与成果分享，为国产GPU企业的技术实践和人才培养提供了宝贵的锻炼机会。
总体来看，在国际顶尖学术会议上获得技术奖项，标志着相关团队在特定技术点上取得了进展。摩尔线程此次的赛事表现，是其技术研发工作的一个体现。这反映了全球图形计算领域活跃的创新态势。未来，图形智能计算的进一步发展，仍需依靠持续的研发投入和开放的产业协作。国产GPU的成长与进步，是一个需要在硬件架构、软件生态、应用落地等多个维度长期扎实投入的过程。各方对该领域的关注与务实推进，将有助于构建更完善的高性能计算生态。
