问题——高画质与高帧率往往难以同时实现；随着移动游戏、沉浸式交互和实时三维内容发展，终端算力、功耗和发热的限制愈发明显。用户常见的体验是：画质调高后设备升温、耗电加快，帧率下降影响操作；画质调低虽更流畅，却牺牲材质与光照细节，整体观感明显变差。如何在不同设备、不同负载下做到“按需供给”画质与速度，成为三维渲染工程与算法研究的重要课题。 原因——传统细节层次方案“档位有限、切换生硬”。业界常用的细节层次（LoD）策略通常预先准备若干固定精度的模型或纹理资源，再按性能区间切换使用。该方式虽然成熟，但主要有两点局限：一是档位离散，当设备性能处于相邻档位之间时难以精准匹配，容易出现“资源用不满”或“仍然卡顿”；二是切换时可能产生明显的视觉跳变，尤其在镜头推进、视角快速变化或场景复杂度波动时更突出，影响沉浸感与稳定性。 影响——新一代3D高斯溅射具备“可缩放”潜力，但缺少可用的排序机制。近年来，3D高斯溅射用大量高斯“点元”表示三维场景，通过加速的透明度融合实现高质量重建与渲染，被视为一种新的实时表示方法。理论上，点元越多画面越细腻，点元越少速度越快。然而在既有训练范式下，点元对画面的贡献缺少清晰层级，若直接删减点元，往往会造成局部结构破坏、纹理断裂，甚至整体质量快速下滑，使“连续调节”难以真正落地。也就是说，它有速度—质量可伸缩的潜能，却缺少一把可控的“标尺”。 对策——“套娃式”结构让同一模型具备从简到繁的完整表达。剑桥大学与谷歌研究团队从“俄罗斯套娃”结构获得启发，提出“套娃式”高斯溅射（Matryoshka Gaussian Splatting）方法。其核心是为点元建立稳定的重要性排序：只取排序靠前的若干点元，也能形成相对完整、连贯的场景表达；点元越多细节越丰富，同时尽量保证不同规模下结构一致、观感连续。研究提出的关键做法之一，是利用点元不透明度等可解释信号建立排序：不透明度更高、对成像贡献更明显的点元优先保留，不透明度较低者用于逐层补充细节。此外，方法通过训练阶段的约束与设计，让点元在不同“截断比例”下仍能保持整体一致性，使渲染端可根据实时负载在同一模型上灵活选择点元规模，实现“按需降画质、按需提速度”，无需为每个档位重复训练多个模型版本。 前景——面向端侧实时图形与沉浸式应用，有望提升体验稳定性与资源利用率。随着内容规模扩大和交互频率提升，终端渲染对“细粒度自适应”的需求更强：在电量不足、温控压力增加、网络波动或多任务并行时，系统应能平滑降低复杂度，避免明显卡顿与画面突变；在外接电源、散热条件改善或场景变简单时，再逐步恢复画质。该研究提出的“可连续伸缩、单模型多档输出”思路，或可在移动游戏、AR眼镜、虚拟拍摄、数字孪生可视化，以及机器人感知与建图等场景拓展应用。与此同时，要实现工程落地，还需结合硬件加速、渲染管线适配与质量评测标准，并更验证其在大规模复杂场景、动态物体与光照变化条件下的鲁棒性与一致性。
从“固定档位”走向“连续可调”，本质是让三维渲染更贴近真实使用环境中的动态约束：算力会波动、负载会变化，但体验需要稳定。把可伸缩能力嵌入同一场景表示，有助于在质量与效率之间建立更细致的平衡。随着三维应用边界不断扩展，谁能把“可用、好用、通用”的工程化问题解决得更扎实，谁就更可能在下一阶段的三维内容基础设施竞争中占得先机。