Futures
Accédez à des centaines de contrats perpétuels
TradFi
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Launchpad
Soyez les premiers à participer au prochain grand projet de jetons
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
Markus Levin de XYO : pourquoi une L1 native aux données pourrait devenir la colonne vertébrale de la « preuve d'origine » de l'IA
Dans le dernier épisode de SlateCast, Markus Levin, cofondateur de XYO, a rejoint les animateurs de CryptoSlate pour expliquer pourquoi les réseaux d’infrastructure physique décentralisés (DePIN) dépassent les expériences de niche — et pourquoi XYO a construit une couche 1 (Layer-1) conçue pour traiter le type de données que l’IA et les applications du monde réel exigent de plus en plus.
L’ambition de Levin pour le réseau est sans détour : « D’abord, je pense que XYO va avoir huit milliards de nœuds », a-t-il déclaré, qualifiant cela d’objectif ambitieux — mais correspondant selon lui à la direction que prend la catégorie.
La thèse des DePIN : “à chaque coin du monde”
Levin a présenté les DePIN comme un changement structurel dans la manière dont les marchés coordonnent l’infrastructure physique, en s’appuyant sur des attentes de croissance rapides pour le secteur. Il a cité une projection du World Economic Forum selon laquelle les DePIN pourraient passer d’environ les dizaines de milliards actuelles à des milliers de milliards d’ici 2028.
Pour XYO, l’échelle n’est pas hypothétique. L’un des animateurs a noté que le réseau a déjà grandi « avec plus de 10 millions de nœuds », posant le cadre d’une discussion moins centrée sur le « et si… » que sur ce qui se brise quand le volume de données du monde réel devient le produit.
Preuve d’origine pour l’IA : le problème des données, pas seulement du calcul
Interrogé sur les deepfakes et l’effondrement de la confiance dans les médias, Levin a fait valoir que le goulot d’étranglement de l’IA n’est pas uniquement le calcul : c’est la provenance. « Alors que, dans les DePIN, ce que vous pouvez faire, c’est… vous pouvez, euh… prouver d’où viennent les données », a-t-il déclaré, décrivant un modèle où les données peuvent être vérifiées de bout en bout, suivies jusqu’aux pipelines d’entraînement, puis interrogées quand les systèmes ont besoin d’une vérité terrain.
Selon lui, la provenance crée une boucle de rétroaction : si un modèle est accusé de halluciner, il peut vérifier si l’entrée sous-jacente provient de manière vérifiable — ou demander de nouvelles données spécifiques à un réseau décentralisé plutôt que de s’appuyer sur des sources peu fiables.
Pourquoi une Layer-1 native des données est importante
XYO a passé des années à essayer de ne pas construire une chaîne, a déclaré Levin — en opérant comme une couche intermédiaire entre des signaux du monde réel et des smart contracts. Mais « personne ne l’a construite », et le volume de données du réseau a rendu la question inévitable.
Il a expliqué simplement l’objectif de conception : « La blockchain ne peut pas enfler… et elle est vraiment conçue pour les données. »
L’approche de XYO s’appuie sur des mécanismes tels que Proof of Perfect et des contraintes de type “lookback”, destinés à maintenir les exigences des nœuds légères, même à mesure que les ensembles de données augmentent.
Onboarding COIN : transformer des utilisateurs non-crypto en nœuds
Un levier de croissance clé a été l’application COIN, que Levin a décrite comme un moyen de transformer des téléphones mobiles en nœuds du réseau XYO.
Au lieu de pousser les utilisateurs vers une volatilité de token immédiate, l’application utilise des points indexés sur le dollar et des options de rachat plus larges — puis intègre progressivement les utilisateurs dans les rails de la crypto.
Modèle à double token : aligner les incitations avec XL1
Levin a indiqué que le système à double token est conçu pour séparer les récompenses/la sécurité de l’écosystème des coûts liés à l’activité de la chaîne. « Nous sommes extrêmement enthousiastes à propos de ce système à double token », a-t-il déclaré, décrivant $XYO comme l’actif externe de staking/gouvernance/sécurité et $XL1 comme le token interne de gas/transactions utilisé sur XYO Layer One.
Partenaires du monde réel : facturation d’infrastructure et données POI de niveau cartographie
Levin a pointé de nouvelles collaborations comme une dynamique de “killer app” naissante au sein du plus large écosystème DePIN, citant un accord avec Piggycell — un grand réseau coréen de recharge qui a besoin de preuves de localisation et prévoit de tokeniser des données sur XYO Layer One.
Il a également décrit un cas d’usage distinct de preuve de localisation impliquant des ensembles de données de lieux d’intérêt (heures, photos, informations sur les adresses), affirmant qu’un grand partenaire de géolocalisation a trouvé des problèmes dans son propre ensemble de données “dans 60% des cas”, tandis que les données sourcées par XYO étaient “correctes à 99,9%”, permettant une cartographie en aval pour de grandes entreprises.
Pris ensemble, le message de Levin était cohérent : si l’IA et les RWAs ont besoin d’entrées fiables, la prochaine frontière concurrentielle pourrait être moins axée sur des modèles plus rapides — et davantage sur des pipelines de données vérifiables ancrés dans le monde réel.