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
Pre-IPOs
Accédez à l'intégralité des introductions en bourse mondiales
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, le cofondateur de XYO, Markus Levin, a rejoint les animateurs de CryptoSlate pour expliquer pourquoi les réseaux d’infrastructure physique décentralisés (DePIN) s’étendent au-delà d’expériences de niche — et pourquoi XYO a construit une couche 1 (Layer-1) conçue sur mesure pour gérer 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 qu’il estime correspondre à la direction que prend la catégorie.
La thèse des « chaque coin du monde » pour les DePIN
Levin a présenté les DePIN comme un changement structurel dans la façon 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 actuels à des billions d’ici 2028.
Pour XYO, l’échelle n’est pas hypothétique. Un des animateurs a noté que le réseau a grandi « avec plus de 10 millions de nœuds », posant ainsi le cadre d’une discussion moins centrée sur le « et si » que sur ce qui casse lorsque le volume de données du monde réel devient le produit.
Preuve d’origine pour l’IA : le problème des données, pas seulement la puissance de calcul
Interrogé sur les deepfakes et l’effondrement de la confiance dans les médias, Levin a soutenu que le goulot d’étranglement de l’IA n’est pas seulement la computation — c’est la provenance. « Alors que pour les DePIN, ce que vous pouvez faire, c’est… vous pouvez, euh, prouver d’où viennent les données », a-t-il dit, décrivant un modèle où les données peuvent être vérifiées de bout en bout, suivies jusqu’aux pipelines d’entraînement, puis interrogées lorsque les systèmes ont besoin d’une base factuelle fiable.
Selon lui, la provenance crée une boucle de rétroaction : si un modèle est accusé d’halluciner, il peut vérifier si l’entrée sous-jacente est tirée de sources vérifiables — ou demander de nouvelles données spécifiques à un réseau décentralisé plutôt que de scraper 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 fonctionnant comme middleware entre les signaux du monde réel et des smart contracts. Mais « personne ne l’a fait », et le volume de données du réseau a forcé la question.
Il a expliqué simplement l’objectif de conception : « La blockchain ne peut pas gonfler… et elle est juste faite pour les données. »
L’approche de XYO repose sur des mécanismes tels que Proof of Perfect et des contraintes de type « lookback » conçues pour 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 clé de croissance a été l’application COIN, que Levin a décrite comme un moyen de transformer les téléphones mobiles en nœuds du réseau XYO.
Au lieu de pousser les utilisateurs vers une volatilité immédiate des tokens, l’application utilise des points indexés sur le dollar et des options de rachat plus larges — puis fait passer les utilisateurs vers les rails crypto au fil du temps.
Modèle à double token : aligner les incitations avec XL1
Levin a déclaré que le système de double token est conçu pour séparer les récompenses/la sécurité de l’écosystème des coûts d’activité de la chaîne. « Nous sommes extrêmement enthousiastes à propos de ce système de double token », a-t-il dit, 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 des infrastructures et données POI de niveau cartographie
Levin a pointé de nouveaux partenariats comme un élan de « killer app » naissant à l’intérieur de l’écosystème DePIN plus large, en citant un accord avec Piggycell — un grand réseau sud-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 points d’intérêt (heures, photos, informations sur les lieux), affirmant qu’un important partenaire de géolocalisation a trouvé des problèmes dans son propre dataset « dans 60% des cas », tandis que les données issues de XYO étaient « 99,9% correctes », 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 liée à des modèles plus rapides — et davantage à des pipelines de données vérifiables ancrés dans le monde réel.