Markus Levin z XYO: Dlaczego natywna dla danych warstwa 1 może stać się fundamentem „proof of origin” dla AI

W najnowszym odcinku SlateCast współzałożyciel XYO, Markus Levin, dołączył do gospodarzy CryptoSlate, aby wyjaśnić, dlaczego zdecentralizowane sieci infrastruktury fizycznej (DePIN) wykraczają poza niszowe eksperymenty — oraz dlaczego XYO zbudowało dedykowany Layer-1 do obsługi rodzaju danych, których coraz częściej wymagają AI i aplikacje w świecie rzeczywistym.

Ambicja Levina wobec sieci jest bezpośrednia: „Przede wszystkim uważam, że XYO będzie miało osiem miliardów węzłów” – powiedział, nazywając to ambitnym celem, ale takim, który jego zdaniem odpowiada kierunkowi rozwoju tej kategorii.

Teza DePIN: „każdy zakątek świata”

Levin przedstawił DePIN jako strukturalną zmianę w sposobie, w jaki rynki koordynują infrastrukturę fizyczną, wskazując na szybkie oczekiwania wzrostowe tego sektora. Powołał się na prognozę Światowego Forum Ekonomicznego, wedle której DePIN może rozwinąć się z obecnych dziesiątek miliardów do bilionów do 2028 roku.

Dla XYO, skala nie jest hipotetyczna. Jeden z prowadzących zauważył, że sieć rozrosła się „do ponad 10 milionów węzłów”, co nadało rozmowie ton skupiony mniej na „co jeśli”, a bardziej na tym, co się psuje, gdy wolumen danych ze świata rzeczywistego staje się produktem.

Dowód pochodzenia dla AI: problem danych, nie tylko obliczeń

Zapytany o deepfake'i i upadek zaufania do mediów, Levin argumentował, że wąskim gardłem AI nie są wyłącznie obliczenia — to pochodzenie danych. „W przypadku DePIN możesz udowodnić, skąd pochodzą dane” – powiedział, opisując model, w którym dane można zweryfikować od początku do końca, śledzić w procesach szkoleniowych i sprawdzać, gdy systemy potrzebują rzetelnych informacji.

Jego zdaniem, pochodzenie tworzy sprzężenie zwrotne: jeśli model zostanie oskarżony o halucynacje, może sprawdzić, czy wejściowe dane są weryfikowalnego pochodzenia — lub zażądać nowych, konkretnych danych z zdecentralizowanej sieci zamiast korzystać z niewiarygodnych źródeł.

Dlaczego natywny dla danych Layer-1 ma znaczenie

XYO przez lata starało się nie budować własnego łańcucha – powiedział Levin – działając jako oprogramowanie pośredniczące między sygnałami ze świata rzeczywistego a smart kontraktami. Jednak „nikt tego nie zbudował”, a wolumen danych w sieci wymusił podjęcie decyzji.

Wyjaśnił cel projektowy w prostych słowach: „Blockchain nie może się rozrastać… i jest po prostu stworzony do danych.”

Podejście XYO koncentruje się na mechanizmach takich jak Proof of Perfect oraz ograniczeniach w stylu „lookback”, które mają na celu utrzymanie niskich wymagań dla węzłów, nawet gdy zbiory danych rosną.

Onboarding COIN: zamienianie użytkowników spoza krypto w węzły

Kluczowym czynnikiem wzrostu była aplikacja COIN, którą Levin opisał jako sposób na przekształcenie telefonów komórkowych w węzły sieci XYO.

Zamiast natychmiast wprowadzać użytkowników w zmienność tokenów, aplikacja używa punktów powiązanych z dolarem i szerszych opcji wymiany — a następnie stopniowo wprowadza użytkowników w świat kryptowalut.

Model podwójnego tokena: wyrównanie zachęt z XL1

Levin powiedział, że system podwójnego tokena został zaprojektowany, aby oddzielić nagrody/bezpieczeństwo ekosystemu od kosztów aktywności w łańcuchu. „Jesteśmy niezwykle podekscytowani tym systemem podwójnego tokena” – powiedział, opisując $XYO jako zewnętrzny token do stakingu, zarządzania i bezpieczeństwa, a $XL1 jako wewnętrzny token gazu/transakcji używany na XYO Layer One.

Partnerzy ze świata rzeczywistego: infrastruktura ładowania i dane POI na poziomie mapowania

Levin wskazał na nowe partnerstwa jako wczesny „killer app” w szerszym ekosystemie DePIN, powołując się na umowę z Piggycell — dużą południowokoreańską siecią ładowania, która potrzebuje dowodu lokalizacji i planuje tokenizować dane na XYO Layer One.

Opisał także osobny przypadek użycia dowodu lokalizacji dotyczący zbiorów danych punktów zainteresowania (godziny, zdjęcia, informacje o miejscach), twierdząc, że główny partner geolokalizacyjny znalazł problemy we własnym zbiorze danych „w 60% przypadków”, podczas gdy dane pozyskane z XYO były „99,9% poprawne”, umożliwiając dalsze mapowanie dla dużych przedsiębiorstw.

Podsumowując, przekaz Levina był spójny: jeśli AI i RWAs potrzebują wiarygodnych danych wejściowych, to kolejna konkurencyjna granica może dotyczyć mniej szybszych modeli, a bardziej weryfikowalnych łańcuchów danych zakotwiczonych w rzeczywistym świecie.

Artykuł XYO’s Markus Levin: Why a data-native L1 could become AI’s “proof of origin” backbone pojawił się najpierw na CryptoSlate.