XYO's Markus Levin: Mengapa L1 berbasis data dapat menjadi tulang punggung "bukti asal" AI

Dalam episode SlateCast terbaru, co-founder XYO Markus Levin bergabung dengan pembawa acara CryptoSlate untuk membahas mengapa jaringan infrastruktur fisik terdesentralisasi (DePIN) semakin 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 sangat jelas: “Pertama, saya pikir XYO akan memiliki delapan miliar node,” katanya, menyebutnya sebagai target ambisius—tetapi satu yang dia yakini sesuai dengan arah perkembangan kategori ini.

Teori DePIN “setiap sudut dunia”

Levin memandang DePIN sebagai perubahan struktural dalam cara pasar mengoordinasikan infrastruktur fisik, menunjuk pada ekspektasi pertumbuhan pesat untuk sektor ini. Dia mengutip proyeksi Forum Ekonomi Dunia bahwa DePIN dapat berkembang dari puluhan miliar saat ini menjadi triliunan pada tahun 2028.

Bagi XYO, skala bukanlah hipotesis. Salah satu pembawa acara menyebutkan bahwa jaringan ini telah berkembang “dengan lebih dari 10 juta node,” membuka jalan untuk diskusi yang lebih fokus pada apa yang akan terjadi ketika volume data dunia nyata menjadi produk.

Bukti asal untuk AI: masalah data, bukan hanya komputasi

Ditanya tentang deepfake dan runtuhnya kepercayaan terhadap media, Levin berpendapat bahwa hambatan utama AI bukan hanya komputasi—melainkan asal-usul data. “Sedangkan DePIN, apa yang bisa Anda lakukan adalah, Anda bisa, uh, membuktikan dari mana data berasal,” katanya, menguraikan model di mana data dapat diverifikasi secara end-to-end, dilacak ke dalam pipeline pelatihan, dan dipertanyakan saat sistem membutuhkan kebenaran dasar.

Dalam pandangannya, asal-usul menciptakan umpan balik: jika sebuah model dituduh berhalusinasi, model tersebut dapat memeriksa apakah input dasarnya dapat diverifikasi sumbernya—atau meminta data baru yang spesifik dari jaringan terdesentralisasi daripada mengandalkan sumber yang tidak dapat dipercaya.

Mengapa Layer-1 yang berbasis data penting

XYO menghabiskan bertahun-tahun berusaha untuk tidak membangun blockchain, 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 desainnya secara sederhana: “Blockchain tidak bisa membengkak… dan ini benar-benar dibangun untuk data.”

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

Onboarding COIN: mengubah pengguna non-kripto menjadi node

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

Alih-alih mendorong pengguna ke volatilitas token secara langsung, aplikasi ini menggunakan poin yang terkait dolar dan opsi penebusan yang lebih luas—kemudian menghubungkan pengguna ke jalur kripto seiring waktu.

Model token ganda: menyelaraskan insentif dengan XL1

Levin mengatakan sistem token ganda dirancang untuk memisahkan imbalan/keamanan ekosistem dari biaya aktivitas jaringan. “Kami sangat antusias dengan sistem token ganda ini,” katanya, menggambarkan $XYO sebagai aset staking/pemerintahan/keamanan eksternal dan $XL1 sebagai token gas/transaksi internal yang digunakan di Layer-1 XYO.

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

Levin menunjuk pada kemitraan baru sebagai momentum “killer app” awal di dalam ekosistem DePIN yang lebih luas, menyebutkan kesepakatan dengan Piggycell—jaringan pengisian daya besar di Korea Selatan yang membutuhkan bukti lokasi dan berencana men-tokenisasi data di Layer-1 XYO.

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

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