Shelby进入私有测试：Aptos Labs打造去中心化数据层获企业验证

由Aptos Labs主导的去中心化数据基础设施项目Shelby，近日正式进入私有测试阶段。目前，首批企业客户的工作负载已在真实生产环境中稳定运行，验证了其在复杂场景下的可用性与扩展能力。

从区块链底层到算力协同：Shelby的战略演进

作为源自Meta孵化的Layer1区块链项目，Aptos最初致力于构建高吞吐量公链。而随着应用生态的发展，其技术重心逐步延伸至底层数据服务层。Shelby正是在此背景下诞生，定位为位于应用层之下的高性能数据存储与流转基础设施，核心目标是解决数据与计算资源之间的地理与架构脱节问题。

三类企业验证：覆盖多元高复杂度工作负载

本次私有测试选取了来自不同领域的三家代表性企业，分别代表企业级人工智能、分布式图形渲染及现实世界空间数据处理三大典型场景。

Teepin正构建基于专有数据与开源模型的企业级AI系统，其与Shelby的集成始于数据层，旨在打通未来向多类型计算服务拓展的通道。

Pictor Network专注于分布式3D渲染网络，依赖分布在全球各地的GPU算力节点。在该模式下，数据的实时可用性直接决定算力利用率，对低延迟数据访问提出极高要求。

PathPulse则通过视频采集构建物理世界的三维空间模型，产生大量高密度、高频率的数据流，且常需在异地进行深度分析与建模。

共性挑战：数据与计算不再绑定

尽管应用场景差异显著，这三家企业均面临同一痛点：数据位置与计算执行地长期不一致。当任务需要跨区域、跨平台迁移时，传统方式依赖人工复制与同步，效率低下且易出错。

Shelby的设计理念正是打破这种“位置锁定”——让团队可根据实际算力需求自由选择部署环境，而不受原始数据存储位置的制约。这一能力对于AI训练、实时渲染等对响应速度敏感的场景尤为关键。

协同共建：以真实用例驱动产品迭代

Aptos Labs将此次测试定义为“协同共建”，强调与客户共同探索真实业务需求。每项合作都围绕具体工作负载展开，涵盖数据源、计算工具链、部署策略等多个维度，以识别通用需求与个性化诉求。

公司表示，后续将陆续披露各客户的使用规模、性能提升指标及可量化成果，进一步增强透明度与生态信任。

Aptos生态布局：基础设施持续深化

Shelby的推进是Aptos整体基础设施战略的重要一环。近期，该项目还完成了MonoMove执行引擎升级，使智能合约执行效率最高提升55倍；同时推出Decibel交易所，强化链上交易支持能力。

这些进展共同构建了一个更高效、更具弹性的底层生态体系，为未来大规模商业化应用奠定基础。