Markus Levin de XYO: Por qué una L1 nativa de datos podría convertirse en la columna vertebral de la “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 diseñada específicamente para manejar el tipo de datos que la IA y las aplicaciones del mundo real demandan cada vez más.

La ambición de Levin para la red es clara: “Primero, creo que XYO va a tener ocho mil millones de nodos”, dijo, calificándolo como un objetivo ambicioso, pero uno que cree que está alineado con el rumbo de la categoría.

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

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

Para XYO, la escala no es hipotética. Uno de los anfitriones destacó 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 lo que puede fallar 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 la computación, sino la procedencia. “Mientras que con DePIN, lo que puedes hacer es, eh, probar de dónde provienen los datos”, explicó, describiendo un modelo en el que los datos pueden verificarse de extremo a extremo, rastrearse hasta los flujos de entrenamiento y consultarse cuando los sistemas necesitan una verdad fundamental.

En su opinión, la procedencia crea un ciclo de retroalimentación: si se acusa a un modelo de alucinar, puede comprobar si la entrada subyacente tiene una fuente verificable, o solicitar nuevos datos específicos de una red descentralizada en lugar de extraerlos de fuentes poco confiables.

Por qué importa una Layer-1 nativa de datos

XYO pasó años intentando no construir una cadena, dijo 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 sencilla: “La blockchain no puede inflarse... y está realmente construida para los datos”.

El enfoque de XYO se centra en mecanismos como Proof of Perfect y restricciones tipo “lookback”, diseñadas para mantener ligeros los requisitos de los nodos incluso a medida que crecen los conjuntos de datos.

Onboarding con COIN: convirtiendo usuarios no cripto en nodos

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

En lugar de empujar a los usuarios directamente a la volatilidad de los tokens, la aplicación utiliza puntos vinculados al dólar y opciones de canje más amplias, para luego integrar a los usuarios en el ecosistema cripto con el tiempo.

Modelo de doble token: alineando incentivos con XL1

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

Socios del mundo real: infraestructura de carga y datos POI a nivel de mapeo

Levin señaló nuevas alianzas como un temprano impulso de “killer apps” dentro del ecosistema DePIN más amplio, mencionando un acuerdo con Piggycell, una gran red de carga surcoreana que necesita prueba de ubicación y planea tokenizar datos en XYO Layer One.

También describió otro caso de uso de prueba de ubicación relacionado con conjuntos de datos de puntos de interés (horarios, fotos, información de lugares), afirmando que un importante socio de geolocalización encontró problemas en su propio conjunto de datos “en el 60% de los casos”, mientras que los datos obtenidos por XYO eran “99,9% correctos”, lo que permitió el mapeo posterior para grandes empresas.

En conjunto, el mensaje de Levin fue coherente: si la IA y los RWA necesitan insumos confiables, la próxima frontera competitiva podría no estar tanto en modelos más rápidos, sino en pipelines de datos verificables anclados en el mundo real.

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