Markus Levin dari XYO: Mengapa L1 yang berbasis data dapat menjadi tulang punggung "bukti asal-usul" AI

Dalam episode SlateCast terbaru, co-founder XYO Markus Levin bergabung dengan pembawa acara CryptoSlate untuk membahas mengapa jaringan infrastruktur fisik terdesentralisasi (DePIN) bergerak melampaui eksperimen niche—dan mengapa XYO membangun Layer-1 yang dirancang khusus untuk menangani jenis data yang semakin dibutuhkan oleh AI dan aplikasi dunia nyata.

Ambisi Levin untuk jaringan ini jelas: “Pertama, saya pikir XYO akan memiliki delapan miliar node,” katanya, menyebutnya sebagai tujuan yang ambisius—tetapi satu yang dia yakini sesuai dengan arah kategori ini.

Teori DePIN di “setiap sudut dunia”

Levin membingkai DePIN sebagai pergeseran struktural dalam cara pasar mengoordinasikan infrastruktur fisik, mengacu pada ekspektasi pertumbuhan yang cepat untuk sektor ini. Dia mengutip proyeksi Forum Ekonomi Dunia bahwa DePIN dapat berkembang dari sekitar puluhan miliar saat ini menjadi triliunan pada tahun 2028.

Bagi XYO, skala bukanlah hal yang hipotetis. Salah satu pembawa acara mencatat bahwa jaringan telah tumbuh “dengan lebih dari 10 juta node,” mempersiapkan panggung untuk percakapan yang lebih fokus pada “apa yang terjadi” dan lebih pada apa yang rusak ketika volume data dunia nyata menjadi produk.

Bukti asal untuk AI: masalah data, bukan hanya komputasi

Ketika ditanya tentang deepfake dan runtuhnya kepercayaan pada media, Levin berpendapat bahwa bottleneck AI bukan hanya komputasi—tetapi juga asal usul. “Sedangkan DePIN, apa yang dapat Anda lakukan adalah Anda dapat, uh, membuktikan dari mana data berasal,” katanya, menggambarkan model di mana data dapat diverifikasi dari awal hingga akhir, dilacak ke dalam jalur pelatihan, dan ditanyakan ketika sistem membutuhkan kebenaran dasar.

Dalam pandangannya, asal usul menciptakan umpan balik: jika sebuah model dituduh berhalusinasi, ia dapat memeriksa apakah input yang mendasarinya dapat diverifikasi sumbernya—atau meminta data baru yang spesifik dari jaringan terdesentralisasi alih-alih mengumpulkan sumber yang tidak dapat diandalkan.

Mengapa Layer-1 yang berorientasi data penting

XYO menghabiskan bertahun-tahun berusaha untuk tidak membangun sebuah rantai, kata Levin—beroperasi sebagai middleware antara sinyal dunia nyata dan kontrak pintar. Tetapi “tidak ada yang membangunnya,” dan volume data jaringan memaksa masalah tersebut.

Dia menjelaskan tujuan desain dengan sederhana: “Blockchain tidak bisa membengkak… dan itu dibangun hanya untuk data sebenarnya.”

Pendekatan XYO berfokus pada mekanisme seperti Proof of Perfect dan batasan gaya “lookback” yang dimaksudkan untuk menjaga persyaratan node tetap ringan, bahkan saat dataset tumbuh.

Pendaftaran COIN: mengubah pengguna non-crypto menjadi node

Salah satu pengungkit pertumbuhan utama adalah aplikasi COIN, yang dijelaskan Levin sebagai cara untuk mengubah ponsel pintar menjadi node jaringan XYO.

Alih-alih mendorong pengguna ke dalam volatilitas token yang segera, aplikasi ini menggunakan poin yang terikat pada dolar dan opsi penukaran yang lebih luas—kemudian menjembatani pengguna ke dalam rel crypto seiring waktu.

Model token ganda: menyelaraskan insentif dengan XL1

Levin mengatakan sistem token ganda dirancang untuk memisahkan imbalan/keamanan ekosistem dari biaya aktivitas rantai. “Kami sangat bersemangat tentang sistem token ganda ini,” katanya, menggambarkan $XYO sebagai aset staking/pengaturan/keamanan eksternal dan $XL1 sebagai token gas/transaksi internal yang digunakan di XYO Layer One.

Mitra dunia nyata: infrastruktur pengisian daya dan data POI berkualitas peta

Levin menunjuk pada kemitraan baru sebagai momentum “aplikasi pembunuh” awal di dalam ekosistem DePIN yang lebih luas, mengutip kesepakatan dengan Piggycell—sebuah jaringan pengisian daya besar di Korea Selatan yang membutuhkan bukti lokasi dan berencana untuk men-tokenisasi data di XYO Layer One.

Dia juga menggambarkan kasus penggunaan bukti lokasi terpisah yang melibatkan dataset titik minat (jam, foto, informasi tempat), mengklaim bahwa mitra geolokasi utama menemukan masalah dalam dataset mereka sendiri “dalam 60% kasus,” sementara data yang bersumber dari XYO “99,9% benar,” memungkinkan pemetaan hilir untuk perusahaan besar.

Secara keseluruhan, pesan Levin konsisten: jika AI dan RWA membutuhkan input yang dapat dipercaya, perbatasan kompetitif berikutnya mungkin kurang tentang model yang lebih cepat—dan lebih tentang saluran data yang dapat diverifikasi yang berakar di dunia nyata.