Markus Levin de XYO: Por qué una L1 nativa de datos podría convertirse en la base de “prueba de origen” para la IA

En el último episodio de SlateCast, el cofundador de XYO, Markus Levin, se unió a los anfitriones de CryptoSlate para explicar por qué las redes descentralizadas de infraestructura física (DePIN) están dejando de ser experimentos de nicho, y por qué XYO construyó una Layer-1 especialmente diseñada para manejar el tipo de datos que cada vez más demandan la inteligencia artificial y las aplicaciones del mundo real.

La ambición de Levin para la red es directa: “Primero, creo que XYO va a tener ocho mil millones de nodos”, dijo, calificándolo como un objetivo ambicioso, pero uno que, según él, coincide con la dirección hacia la que se dirige esta categoría.

La tesis de DePIN: “en cada rincón del mundo”

Levin describió a DePIN como un cambio estructural en la manera en que los mercados coordinan la infraestructura física, señalando las expectativas de rápido crecimiento para el sector. Citó una proyección del Foro Económico Mundial que indica que DePIN podría expandirse de las decenas de miles de millones actuales a billones para 2028.

Para XYO, la escala no es hipotética. Uno de los anfitriones señaló que la red ha crecido “con más de 10 millones de nodos”, preparando el terreno para una conversación centrada menos en el “qué pasaría si” y más en qué falla cuando el volumen de datos del mundo real se convierte en el producto.

Prueba de origen para IA: el problema de los datos, no solo del cómputo

Al preguntársele sobre los deepfakes y el colapso de la confianza en los medios, Levin argumentó que el cuello de botella de la IA no es solo el cómputo, sino la procedencia. “Mientras que con DePIN, lo que podés hacer es probar de dónde provienen los datos”, dijo, describiendo un modelo donde los datos pueden ser verificados de punta a punta, rastreados en los canales de entrenamiento y consultados cuando los sistemas necesitan la verdad fundamental.

Desde su punto de vista, la procedencia genera un círculo virtuoso: si un modelo es acusado de alucinar, puede verificar si el dato subyacente tiene una fuente comprobable, o bien solicitar nuevos datos específicos a una red descentralizada en vez de extraerlos de fuentes poco confiables.

Por qué importa una Layer-1 nativa de datos

XYO pasó años intentando no construir una cadena, contó Levin, operando como middleware entre señales del mundo real y smart contracts. Pero “nadie la construyó”, y el volumen de datos de la red forzó la decisión.

Explicó el objetivo de diseño de manera simple: “La blockchain no puede sobrecargarse… y está realmente hecha para los datos”.

El enfoque de XYO se centra en mecanismos como Proof of Perfect y restricciones tipo “lookback” pensadas para mantener bajos los requisitos de los nodos, incluso cuando los conjuntos de datos crecen.

Onboarding con COIN: convertir usuarios no cripto en nodos

Un factor clave de crecimiento ha sido la aplicación COIN, que Levin describió como una forma de transformar teléfonos móviles en nodos de la red XYO.

En lugar de empujar a los usuarios hacia la volatilidad inmediata del token, la app utiliza puntos atados al dólar y opciones de canje más amplias, y luego va incorporando a los usuarios progresivamente al ecosistema cripto.

Modelo de token dual: alineando incentivos con XL1

Levin dijo que el sistema de tokens dual está diseñado para separar las recompensas/seguridad del ecosistema de los costos de actividad de la cadena. “Estamos muy entusiasmados con este sistema de tokens dual”, afirmó, describiendo al $XYO como el activo externo para staking/gobernanza/seguridad y al $XL1 como el token interno de gas/transacciones usado en XYO Layer One.

Socios del mundo real: infraestructura de carga y datos POI de calidad cartográfica

Levin señaló nuevas alianzas como impulso inicial del “killer app” dentro del ecosistema DePIN, citando un acuerdo con Piggycell —una gran red de carga de Corea del Sur que necesita prueba de ubicación y planea tokenizar datos en XYO Layer One.

También describió un caso de uso separado de prueba de ubicación relacionado con datasets de puntos de interés (horarios, fotos, información de lugares), asegurando que un importante socio de geolocalización encontró problemas en su propio dataset “en el 60% de los casos”, mientras que los datos provistos por XYO eran “99,9% correctos”, permitiendo así la cartografía posterior para grandes empresas.

En conjunto, el mensaje de Levin fue consistente: si la IA y los activos del mundo real necesitan entradas confiables, la próxima frontera competitiva puede estar menos en modelos más rápidos y más en pipelines de datos verificables anclados en el mundo real.

La publicación XYO’s Markus Levin: Why a data-native L1 could become AI’s “proof of origin” backbone apareció primero en CryptoSlate.