Markus Levin ng XYO: Bakit ang isang data-native na L1 ay maaaring maging gulugod ng “proof of origin” ng AI

Sa pinakabagong episode ng SlateCast, sumali ang XYO co-founder na si Markus Levin sa mga host ng CryptoSlate upang talakayin kung bakit ang mga decentralized physical infrastructure networks (DePIN) ay lumalampas na sa mga eksperimento lamang—at kung bakit nagtayo ang XYO ng isang purpose-built Layer-1 upang mapangasiwaan ang uri ng datos na lalong hinihingi ng AI at mga aplikasyon sa totoong mundo.

Direkta ang ambisyon ni Levin para sa network: “Una, tingin ko ang XYO ay magkakaroon ng walong bilyong nodes,” aniya, tinawag itong isang matinding layunin—ngunit naniniwala siyang ito ang direksyong tinatahak ng kategoryang ito.

“Sa bawat sulok ng mundo” na teorya ng DePIN

Ipinakita ni Levin ang DePIN bilang isang istruktural na pagbabago sa paraan ng koordinasyon ng mga merkado sa pisikal na imprastraktura, at tinukoy niya ang mabilis na paglago ng sektor. Binanggit niya ang projection ng World Economic Forum na maaaring lumawak ang DePIN mula sa kasalukuyang ilang sampung bilyong dolyar patungong trilyon-trilyon pagsapit ng 2028.

Para sa XYO, hindi haka-haka ang sukat. Isa sa mga host ang nagbanggit na ang network ay lumago na “na may higit sa 10 milyong nodes,” na naghahanda ng talakayan na nakatuon hindi sa “paano kung” kundi sa kung ano ang nasisira kapag ang totoong-lakas na datos ay nagiging mismong produkto.

Proof of origin para sa AI: ang problema ay datos, hindi lang computation

Nang tanungin tungkol sa deepfakes at ang pagbagsak ng tiwala sa media, iginiit ni Levin na hindi lang computation ang bottleneck ng AI—kundi provenance. “Sa DePIN, ang magagawa mo ay mapatunayan mo kung saan nagmula ang datos,” aniya, ipinapaliwanag ang isang modelo kung saan maaaring beripikahin ang datos mula simula hanggang dulo, matrack papasok sa training pipelines, at ma-query kapag kailangan ng mga sistema ang ground truth.

Sa kanyang pananaw, ang provenance ay lumilikha ng feedback loop: kung inaakusahan ang isang modelo ng hallucinating, maaari nitong tingnan kung ang input ay beripikadong pinagmulan—o kaya’y humiling ng bagong, tiyak na datos mula sa isang desentralisadong network imbes na kumuha mula sa hindi maasahang pinagmulan.

Bakit mahalaga ang data-native Layer-1

Ikinuwento ni Levin na ilang taon ding sinubukan ng XYO na huwag magtayo ng sariling chain—kumikilos bilang middleware sa pagitan ng mga totoong-world signals at smart contracts. Ngunit “walang gumawa nito,” at napilitan silang gawin ito dahil sa dami ng datos ng network.

Ipinaliwanag niya nang simple ang layunin ng disenyo: “Hindi pwedeng lumobo ang blockchain… at ito ay talagang ginawa para sa datos.”

Ang approach ng XYO ay nakasentro sa mga mekanismo tulad ng Proof of Perfect at mga “lookback” style na constraint na layuning panatilihing magaang ang requirements ng node, kahit lumalaki ang datasets.

COIN onboarding: paggawa ng mga non-crypto user bilang nodes

Isang susi sa paglago ay ang COIN app, na inilarawan ni Levin bilang paraan upang gawing XYO network nodes ang mga mobile phone.

Sa halip na itulak agad ang mga user sa token volatility, gumagamit ang app ng dollar-tied points at mas malawak na redemption options—at unti-unting dinadala ang mga user sa crypto rails.

Dual token model: pag-align ng insentibo gamit ang XL1

Sinabi ni Levin na ang dual token system ay dinisenyo upang ihiwalay ang ecosystem rewards/security mula sa chain activity costs. “Sobrang excited kami sa dual token system na ito,” aniya, inilarawan ang $XYO bilang external staking/governance/security asset at $XL1 bilang internal gas/transactions token na ginagamit sa XYO Layer One.

Mga partner sa totoong mundo: charging infrastructure at mapping-grade POI data

Itinuro ni Levin ang mga bagong partnership bilang maagang “killer app” momentum sa loob ng mas malawak na DePIN ecosystem, binanggit ang kasunduan sa Piggycell—isang malaking South Korean charging network na nangangailangan ng proof-of-location at nagbabalak na i-tokenize ang datos sa XYO Layer One.

Inilarawan din niya ang isa pang proof-of-location use case na may kinalaman sa point-of-interest datasets (oras, larawan, impormasyon ng lugar), na inakusahan ng isang malaking geolocation partner ang sarili nitong dataset na may mga isyu sa “60% ng mga kaso,” samantalang ang datos mula sa XYO ay “99.9% tama,” na nagpapahintulot sa downstream mapping para sa malalaking enterprise.

Kung pagsasamahin, pare-pareho ang mensahe ni Levin: kung kailangan ng AI at RWA ng mapagkakatiwalaang inputs, ang susunod na kompetisyon ay maaaring hindi na tungkol sa mas mabilis na mga modelo—kundi sa mas mapapatunayang data pipelines na nakaangkla sa totoong mundo.

Ang artikulong “XYO’s Markus Levin: Why a data-native L1 could become AI’s ‘proof of origin’ backbone” ay unang lumabas sa CryptoSlate.