Shelby 进入私有测试阶段：Aptos Labs 打造的去中心化数据基础设施首获企业落地
由 Aptos Labs 构建的去中心化数据基础设施项目 Shelby，近日宣布正式进入私有测试（Private Beta）阶段。目前，首批客户的工作负载已在生产环境中成功运行。
Aptos 最初是在 Meta 孵化下诞生的 Layer 1 区块链项目。Shelby 最初作为 Web3 的高性能数据层被提出，其本质是位于应用层之下、负责数据存储、移动及可用性的基础设施。随着时间推移，该项目的重心逐渐向人工智能（AI）及其他计算密集型工作负载倾斜，因为在此类场景中，数据存放位置与计算发生地之间的关系正变得日益关键。
三大客户，三种截然不同的挑战
首批入选的三家企业分别来自企业级 AI、分布式 3D 渲染以及物理世界空间数据领域。选择它们的目的并非为了验证单一用例，而是为了在截然不同的数据和处理模式压力下对 Shelby 进行压力测试。
- Teepin：正在围绕专有数据和开源模型构建企业级 AI 基础设施。其与 Shelby 的集成始于数据层，旨在为未来将存储扩展至更广泛的 AI 和计算服务开辟路径。
- Pictor Network：致力于构建分布式 3D 渲染基础设施。在该场景中，GPU 算力分散于多个地点，数据的可用性直接决定了这些算力的利用效率。
- PathPulse：正在从现实世界捕获的视频中构建空间智能。这种模式会在特定地点产生海量数据，而这些数据往往需要在完全不同的异地进行处理和分析。
这三家客户共同构成了极具差异性的测试环境：涵盖专有企业数据、分布式 GPU 工作负载以及高容量的物理世界数据。
核心痛点：数据与计算的解耦需求
尽管应用场景各异，但这三家企业面临着一个共同的问题：数据与计算资源并不固定在同一位置。当工作负载在不同提供商、区域和硬件类型之间转移时，连接它们的基础设施必须能够灵活应对。
这正是 Shelby 旨在填补的市场空白。传统模式下，每当计算环境发生变化，团队必须手动复制、暂存并同步数据。而 Shelby 致力于打造一个足够灵活的数据层，使团队能够根据工作负载的需求来选择基础设施，而非被现有数据的存储位置所锁定。
协同共建，而非最终成品
Aptos Labs 明确将此次私有测试定位为“协同共建”（Co-build），而非单纯的产品发布。每次客户合作都始于具体的工作负载场景，包括数据所在位置、计算使用方式、应用依赖的工具等。其目标在于识别哪些需求是客户共有的，哪些是独特的，从而指引产品路线图的未来方向。
公司表示，随着合作的深入，将分享更多关于每位客户的使用情况、数据规模及可量化成果的详细信息。
Aptos 的基础设施生态布局
Shelby 的推出是 Aptos 更广泛基础设施战略的一部分。近期，Aptos 还宣布了 MonoMove 执行引擎升级，可将智能合约的执行速度提升高达 55 倍；同时推出了 Decibel 交易所，以支持链上交易。
