Markus Levin của XYO: Tại sao một L1 gốc dữ liệu có thể trở thành xương sống “bằng chứng nguồn gốc” của AI

Trong tập SlateCast mới nhất, đồng sáng lập XYO Markus Levin đã tham gia người dẫn chương trình của CryptoSlate để làm rõ vì sao các mạng lưới cơ sở hạ tầng vật lý phi tập trung (DePIN) đang vượt ra khỏi các thí nghiệm nhỏ lẻ—và vì sao XYO đã xây dựng một Layer-1 được thiết kế riêng để xử lý loại dữ liệu mà AI và các ứng dụng ngoài đời thực ngày càng đòi hỏi.

Kỳ vọng của Levin dành cho mạng lưới thì thẳng thắn: “Thứ nhất, tôi nghĩ XYO sẽ có tám tỷ node,” anh nói, gọi đó là một mục tiêu đầy tham vọng—nhưng là một mục tiêu anh tin rằng phù hợp với hướng đi mà danh mục này đang tiến tới.

Luận điểm “mọi ngóc ngách trên thế giới” của DePIN

Levin mô tả DePIN như một sự thay đổi mang tính cấu trúc trong cách các thị trường phối hợp các cơ sở hạ tầng vật lý, đồng thời chỉ ra kỳ vọng tăng trưởng nhanh cho lĩnh vực này. Anh dẫn một dự báo của Diễn đàn Kinh tế Thế giới rằng DePIN có thể mở rộng từ mức khoảng vài chục tỷ như hiện nay lên hàng nghìn tỷ vào năm 2028.

Với XYO, quy mô không phải là giả định. Một trong các người dẫn chương trình nhận xét rằng mạng lưới đã tăng trưởng “với hơn 10 triệu node,” từ đó tạo nền cho cuộc trò chuyện tập trung ít hơn vào “giả như” và nhiều hơn vào điều gì sẽ bị phá vỡ khi khối lượng dữ liệu ngoài đời thực trở thành sản phẩm.

Bằng chứng nguồn gốc cho AI: vấn đề dữ liệu, không chỉ là compute

Khi được hỏi về deepfake và sự sụp đổ niềm tin vào truyền thông, Levin cho rằng điểm nghẽn của AI không chỉ nằm ở việc tính toán—mà nằm ở tính xuất xứ. “Trong khi DePIN, thứ bạn có thể làm là, uh, chứng minh nơi dữ liệu đến từ đâu,” anh nói, phác thảo một mô hình trong đó dữ liệu có thể được xác minh từ đầu đến cuối, được theo dõi vào các pipeline huấn luyện, và được truy vấn khi hệ thống cần dữ liệu nền tảng đáng tin.

Theo quan điểm của anh, xuất xứ tạo ra một vòng phản hồi: nếu một mô hình bị cáo buộc bịa đặt, nó có thể kiểm tra liệu dữ liệu đầu vào có nguồn gốc có thể xác minh hay không—hoặc yêu cầu dữ liệu mới, cụ thể từ một mạng lưới phi tập trung thay vì trích xuất từ các nguồn không đáng tin cậy.

Vì sao một Layer-1 “dữ liệu-native” lại quan trọng

XYO đã mất nhiều năm để cố gắng không xây dựng một chuỗi, Levin nói—hoạt động như lớp trung gian giữa các tín hiệu ngoài đời thực và hợp đồng thông minh. Nhưng “không ai xây dựng nó,” và khối lượng dữ liệu của mạng lưới đã buộc phải giải quyết vấn đề đó.

Anh giải thích mục tiêu thiết kế một cách đơn giản: “Blockchain không thể phình to… và nó thực sự chỉ được xây dựng để xử lý dữ liệu.”

Cách tiếp cận của XYO tập trung vào các cơ chế như Proof of Perfect và các ràng buộc kiểu “lookback”, nhằm giữ yêu cầu đối với node ở mức nhẹ nhàng, ngay cả khi bộ dữ liệu tiếp tục tăng lên.

Onboarding COIN: biến người dùng không thuộc crypto thành node

Một đòn bẩy tăng trưởng quan trọng là ứng dụng COIN, mà Levin mô tả như một cách để biến điện thoại di động thành các node của mạng lưới XYO.

Thay vì đẩy người dùng vào biến động token ngay lập tức, ứng dụng dùng các điểm gắn với đô la và nhiều lựa chọn quy đổi hơn—rồi dần dần đưa người dùng vào các hạ tầng crypto.

Mô hình hai token: căn chỉnh động lực với XL1

Levin cho biết hệ thống hai token được thiết kế để tách phần thưởng/bảo mật của hệ sinh thái khỏi chi phí hoạt động của chuỗi. “Chúng tôi cực kỳ hào hứng với hệ thống hai token này,” anh nói, mô tả $XYO là tài sản bên ngoài để staking/quản trị/bảo mật và $XL1 là token nội bộ cho gas/giao dịch được dùng trên XYO Layer One.

Đối tác ngoài đời thực: tính phí hạ tầng và dữ liệu POI đạt chuẩn bản đồ

Levin chỉ ra các quan hệ đối tác mới như động lực “killer app” sớm bên trong hệ sinh thái DePIN rộng hơn, dẫn một thỏa thuận với Piggycell—một mạng lưới sạc lớn tại Hàn Quốc, cần bằng chứng về vị trí và có kế hoạch token hóa dữ liệu trên XYO Layer One.

Anh cũng mô tả một trường hợp sử dụng riêng về proof-of-location liên quan đến các bộ dữ liệu điểm quan tâm (giờ, ảnh, thông tin địa điểm), cho rằng một đối tác định vị địa lý lớn đã phát hiện vấn đề trong chính bộ dữ liệu của họ “trong 60% số trường hợp,” trong khi dữ liệu do XYO cung cấp “đúng 99.9%,” giúp mở đường cho việc lập bản đồ ở hạ nguồn cho các doanh nghiệp lớn.

Tổng hợp lại, thông điệp của Levin là nhất quán: nếu AI và RWAs cần các đầu vào đáng tin cậy, thì mặt trận cạnh tranh tiếp theo có thể ít liên quan đến việc tạo ra các mô hình nhanh hơn—và nhiều hơn về các pipeline dữ liệu có thể được xác minh, được neo vào thế giới thực.