Aptos-CEO sagt, dass Krypto „einen globalen Markt“ für alle antreiben wird (5:02)
Shelby, das dezentrale Dateninfrastruktur-Projekt, das von Aptos Labs entwickelt wurde, ist in die private Betaphase eingetreten. Die ersten Kunden-Workloads laufen nun in Produktion, wie das Unternehmen bekannt gab.
Drei Unternehmen aus den Bereichen Enterprise-KI, verteiltes 3D-Rendering und räumliche Daten aus der physischen Welt sind die ersten, die auf der Plattform live gehen.
Aptos ist eine Layer-1-Blockchain, die ursprünglich bei Meta entwickelt wurde. Shelby wurde als leistungsstarke Datenebene für Web3 angekündigt – im Grunde als Infrastruktur, die unter Anwendungen liegt und dafür verantwortlich ist, wie Daten gespeichert, übertragen und verfügbar gemacht werden.
Seitdem hat das Projekt seine Ausrichtung auf KI und andere rechenintensive Workloads geschärft. Dabei wird zunehmend wichtig, wie das Verhältnis zwischen dem Ort, an dem Daten gespeichert sind, und dem Ort, an dem Rechenleistung stattfindet, aussieht.
Verwandt: Ein 37-Millionen-Dollar-Meta-Plan und fünf Stellvertreter bescheren einem „Paten“-Urteil über 6 Jahre Gefängnis
Drei Kunden, drei sehr unterschiedliche Probleme
Die erste Kohorte wurde ausgewählt, um Shelby anhand unterschiedlicher Daten- und Compute-Muster zu testen – statt anhand eines einzelnen Use Cases.
Teepin baut Unternehmens-KI-Infrastruktur rund um proprietäre Daten und Open-Source-Modelle. Die Integration mit Shelby setzt auf der Datenebene an und schafft so im Laufe der Zeit einen Weg von der Speicherung hin zu umfassenderen KI- und Compute-Services.
Pictor Network baut Infrastruktur für verteiltes 3D-Rendering, bei dem die GPU-Kapazität über mehrere Standorte verteilt ist und die Verfügbarkeit der Daten direkt beeinflusst, wie effizient diese Rechenleistung genutzt werden kann.
PathPulse baut räumliche Intelligenz aus in der realen Welt aufgenommenem Videomaterial auf. Ein Muster, das große Datenmengen an einem Ort erzeugt, die möglicherweise irgendwo anders verarbeitet und analysiert werden müssen.
Zusammen bieten die drei Shelby sehr unterschiedliche Umgebungen, gegen die gearbeitet werden kann: proprietäre Unternehmensdaten, verteilte GPU-Workloads und hochvolumige Daten aus der physischen Welt.
Im Trend beim TheStreet Roundtable:
McDonald’s ändert heimlich, wie 14.000 Filialen Ihren Big Mac bepreisen
Amerikas am stärksten besteuerter Bundesstaat setzt seinen Plan aus, jede Krypto-Transaktion zu besteuern
Analyst warnt: Bitcoin zeigt ein Warnsignal aus dem Jahr 2023
Der gemeinsame Nenner
Über alle drei hinweg zeigt sich ein gemeinsames Problem: Daten und Rechenleistung bleiben nicht an einem Ort. Die Infrastruktur, die sie verbindet, muss Schritt halten, wenn sich Workloads zwischen Anbietern, Regionen und Hardwaretypen verschieben.
Das ist die Lücke, die Shelby schließen soll. Anstatt Teams jedes Mal zu zwingen, Daten manuell zu kopieren, vorzubereiten und zu synchronisieren, wenn sich die Compute-Umgebung ändert, zielt Shelby darauf, die Datenebene flexibel genug zu machen, sodass Teams die Infrastruktur entsprechend dem Workload auswählen können – statt an dem Ort festzusitzen, an dem die Daten bereits liegen.
Gemeinsam entwickelt, kein fertiges Produkt
Aptos Labs positioniert Private Beta ausdrücklich als Co-Build statt als Launch.
Jede Kundenanfrage beginnt mit dem konkreten Workload: wo die Daten leben, wie die Rechenleistung genutzt wird, welche Tools die Anwendung benötigt und welches Ziel verfolgt wird. So soll ermittelt werden, welche Anforderungen sich über Kunden hinweg wiederholen, welche einzigartig sind und wohin die Produkt-Roadmap als Nächstes gehen sollte.
Das Unternehmen sagte, es werde im Verlauf der Gespräche mehr Details zur Nutzung jedes Kunden, zu den Datenmengen und zu messbaren Ergebnissen teilen.
Shelby sitzt neben Aptos’ breiterem Infrastruktur-Engagement, das auch das kürzlich angekündigte Upgrade des MonoMove-Ausführungs-Engines umfasst – mit bis zu 55-mal schnellerer Smart-Contract-Ausführung – sowie den Decibel-Exchange für Onchain-Handel.