Markus Levin de XYO: Por qué una L1 nativa de datos podría convertirse en la columna vertebral del "prueba de origen" de la IA

En el último episodio de SlateCast, el cofundador de XYO, Markus Levin, se unió a los presentadores de CryptoSlate para desglosar por qué las redes de infraestructura física descentralizada (DePIN) se están moviendo más allá de los 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 exigen cada vez más.

La ambición de Levin para la red es contundente: “Primero, creo que XYO va a tener ocho mil millones de nodos”, dijo, llamándolo un objetivo ambicioso—pero uno que él cree que coincide con hacia dónde se dirige la categoría.

La tesis de “cada rincón del mundo” de DePIN

Levin presentó DePIN como un cambio estructural en la manera en que los mercados coordinan infraestructuras físicas, señalando las expectativas de crecimiento acelerado para el sector. Citó una proyección del Foro Económico Mundial según la cual DePIN podría expandirse desde los aproximadamente “decenas de miles de millones” de hoy hasta billones para 2028.

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

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

Al hablar sobre 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: es la procedencia. “Mientras que en DePIN, lo que puedes hacer es que puedes, uh, demostrar de dónde provienen los datos”, dijo, describiendo un modelo en el que los datos pueden verificarse de extremo a extremo, rastrearse hasta los pipelines de entrenamiento y consultarse cuando los sistemas necesitan veracidad.

En su opinión, la procedencia crea un bucle de retroalimentación: si se acusa a un modelo de alucinar, puede verificar si la entrada subyacente tiene un origen verificable—o solicitar nuevos datos específicos desde una red descentralizada en lugar de extraer 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 contratos inteligentes. Pero “nadie la construyó”, y el volumen de datos de la red obligó a hacerlo.

Explicó el objetivo de diseño de manera simple: “Blockchain no puede inflarse… y está construido solo para datos de verdad.”

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

Onboarding de COIN: convertir usuarios no cripto en nodos

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

En lugar de empujar a los usuarios hacia una volatilidad inmediata del token, la app usa puntos vinculados al dólar y opciones de canje más amplias—y luego integra a los usuarios en las vías cripto con el tiempo.

Modelo dual de tokens: alinear 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 extremadamente emocionados por este sistema de tokens dual”, dijo, 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: cobrar infraestructura y datos de POI con calidad de mapeo

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

También describió un caso de uso separado de prueba de ubicación que involucra conjuntos de datos de puntos de interés (horas, fotos, información de sedes), afirmando que un socio importante de geolocalización encontró problemas en su propio conjunto de datos “en 60% de los casos”, mientras que los datos aportados por XYO eran “99.9% correctos”, lo que permite mapeo posterior para grandes empresas.

En conjunto, el mensaje de Levin fue consistente: si la IA y las RWAs necesitan entradas confiables, la siguiente frontera competitiva podría tener menos que ver con modelos más rápidos—y más con pipelines de datos verificables anclados en el mundo real.