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

No último episódio do SlateCast, o co-fundador da XYO, Markus Levin, juntou-se aos anfitriões da CryptoSlate para explicar por que as redes de infraestrutura física descentralizadas (DePIN) estão a ir além de experiências de nicho—e por que a XYO construiu uma camada-1 específica 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 acredita que corresponde à direção que a categoria está a tomar.

A tese de DePIN “cada canto do mundo”

Levin enquadrou a DePIN como uma mudança estrutural na forma como os mercados coordenam a infraestrutura física, apontando para as expectativas de crescimento rápido para o setor. Ele citou uma projeção do Fórum Económico Mundial de que a DePIN poderia expandir de aproximadamente as dezenas de mil milhões de 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 no “e se” e mais no 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 que você pode, eh, 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 treino, e questionados quando os sistemas precisam de verdade concreta.

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

Por que uma camada-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: “A blockchain não pode inchá-la… e é apenas construída para dados realmente.”

A abordagem da XYO centra-se em mecanismos como Prova de Perfeição e restrições do tipo “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 de token imediata, o aplicativo utiliza pontos atados ao dólar e opções de resgate mais amplas—e depois liga os utilizadores às infraestruturas 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 $XYO como o ativo externo de staking/governança/securança e $XL1 como o token interno de gás/transações usado na XYO Layer One.

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

Levin apontou para novas parcerias como um impulso inicial de “killer app” dentro do ecossistema mais amplo da DePIN, citando um acordo com a Piggycell—uma grande rede de carregamento sul-coreana que precisa de prova de localização e planeia 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 sobre o local), afirmando que um grande parceiro de geolocalização encontrou problemas no seu próprio conjunto de dados “em 60% dos casos,” enquanto os dados obtidos pela XYO estavam “99,9% corretos,” permitindo mapeamentos posteriores 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 estar menos sobre modelos mais rápidos—e mais sobre pipelines de dados verificáveis ancorados no mundo real.