XYO’s Markus Levin: Por que uma L1 nativa de dados poderia tornar-se a espinha dorsal do “prova de origem” da IA

No mais recente episódio do SlateCast, o cofundador da XYO, Markus Levin, juntou-se aos anfitriões da CryptoSlate para explicar por que as redes de infraestrutura física descentralizada (DePIN) estão a mover-se para além de experiências de nicho—e por que a XYO construiu uma Layer-1 especificamente projetada para lidar com o tipo de dados que a IA e as aplicações do mundo real exigem cada vez mais.

A ambição de Levin para a rede é clara: “Primeiro, eu acho que a XYO vai ter oito mil milhões de nós,” disse ele, chamando isso de um objetivo ambicioso—mas um que ele acredita que corresponde para onde a categoria está a dirigir-se.

A tese de DePIN para “cada canto do mundo”

Levin enquadrou DePIN como uma mudança estrutural na forma como os mercados coordenam a infraestrutura física, apontando para as rápidas expectativas de crescimento para o setor. Ele citou uma projeção do Fórum Econômico Mundial que indica que a DePIN poderia expandir de aproximadamente dezenas de bilhões hoje para trilhões até 2028.

Para a XYO, a escala não é hipotética. Um dos anfitriões notou que a rede cresceu “com mais de 10 milhões de nós,” preparando o terreno para uma conversa focada menos em “e se” e mais sobre o que quebra quando o volume de dados do mundo real se torna o produto.

Prova de origem para IA: o problema dos dados, não apenas computação

Questionado sobre deepfakes e o colapso da confiança na mídia, Levin argumentou que o gargalo da IA não é apenas a computação—é a proveniência. “Enquanto a DePIN, o que você pode fazer é você pode, uh, provar de onde vêm os dados,” disse ele, delineando um modelo onde os dados podem ser verificados de ponta a ponta, rastreados em pipelines de treinamento, e consultados quando os sistemas precisam de verdade fundamentada.

Na sua visão, a proveniência cria um ciclo de feedback: se um modelo é acusado de alucinar, ele pode verificar se a entrada subjacente é de origem verificável—ou solicitar novos dados específicos de uma rede descentralizada em vez de extrair fontes não confiáveis.

Por que uma Layer-1 nativa de dados é importante

A XYO passou anos tentando não construir uma cadeia, disse Levin—operando como middleware entre sinais do mundo real e contratos inteligentes. Mas “ninguém a construiu,” e o volume de dados da rede forçou a questão.

Ele explicou o objetivo de design de forma simples: “Blockchain não pode inchar… e é apenas construída para dados realmente.”

A abordagem da XYO centra-se em mecanismos como Prova de Perfeição e restrições do estilo “lookback” destinadas a manter os requisitos dos nós leves, mesmo à medida que os conjuntos de dados crescem.

Onboarding de COIN: transformando utilizadores não cripto em nós

Um fator chave de crescimento tem sido o aplicativo COIN, que Levin descreveu como uma forma de transformar telemóveis em nós da rede XYO.

Em vez de empurrar os utilizadores para uma volatilidade imediata de tokens, o aplicativo utiliza pontos atados ao dólar e opções de resgate mais amplas—depois liga os utilizadores às infraestruturas de cripto ao longo do tempo.

Modelo de token duplo: alinhando incentivos com XL1

Levin disse que o sistema de token duplo foi projetado para separar recompensas de ecossistema/securança dos custos de atividade da cadeia. “Estamos extremamente entusiasmados com este sistema de token duplo,” disse ele, descrevendo o $XYO como o ativo de staking/governança/securança externa e o $XL1 como o token interno de gás/transações utilizado na XYO Layer One.

Parceiros do mundo real: infraestrutura de carregamento e dados de POI de qualidade de mapeamento

Levin apontou para novas parcerias como um início de impulso de “killer app” dentro do ecossistema DePIN mais amplo, citando um acordo com a Piggycell—uma grande rede de carregamento sul-coreana que precisa de prova de localização e planeja tokenizar dados na XYO Layer One.

Ele também descreveu um caso de uso separado de prova de localização envolvendo conjuntos de dados de pontos de interesse (horas, fotos, informações de locais), afirmando que um parceiro de geolocalização importante encontrou problemas em seu próprio conjunto de dados “em 60% dos casos,” enquanto os dados obtidos pela XYO eram “99.9% corretos,” permitindo mapeamento a jusante para grandes empresas.

Juntas, a mensagem de Levin foi consistente: se a IA e as RWAs precisam de entradas confiáveis, a próxima fronteira competitiva pode ser menos sobre modelos mais rápidos—e mais sobre pipelines de dados verificáveis ancorados no mundo real.