Markus Levin dari XYO: Mengapa L1 yang berbasis data dapat menjadi tulang punggung "bukti asal-usul" AI

Di episode SlateCast terbaru, pendiri XYO Markus Levin bergabung dengan pembawa acara CryptoSlate untuk mengupas mengapa jaringan infrastruktur fisik terdesentralisasi (DePIN) sedang melampaui eksperimen-eksperimen khusus—dan mengapa XYO membangun Layer-1 yang dibuat khusus untuk menangani jenis data yang semakin dituntut oleh AI dan aplikasi dunia nyata.

Ambisi Levin untuk jaringan tersebut cukup gamblang: “Pertama, saya pikir XYO bakal punya delapan miliar node,” katanya, menyebutnya sebagai target yang menantang—namun ia yakin itu sejalan dengan arah yang dituju oleh kategori ini.

Gagasan DePIN “ke setiap penjuru dunia”

Levin memandang DePIN sebagai pergeseran struktural dalam cara pasar mengoordinasikan infrastruktur fisik, mengacu pada ekspektasi pertumbuhan pesat untuk sektor tersebut. Ia menyinggung proyeksi World Economic Forum bahwa DePIN dapat berkembang dari sekitar puluhan miliar saat ini menjadi triliunan pada tahun 2028.

Bagi XYO, skala bukanlah sesuatu yang hipotetis. Salah satu pembawa acara mencatat bahwa jaringan ini telah tumbuh “dengan lebih dari 10 juta node,” sehingga percakapan bergeser dari “bagaimana jika” menuju pada apa yang akan rusak ketika volume data dunia nyata menjadi produknya.

Bukti asal untuk AI: masalah data, bukan hanya komputasi

Ketika ditanya tentang deepfake dan runtuhnya kepercayaan pada media, Levin berpendapat bahwa kemacetan AI tidak hanya pada komputasi—melainkan pada provenance. “Sementara DePIN, apa yang bisa Anda lakukan adalah Anda bisa, uh, membuktikan dari mana data itu berasal,” katanya, menguraikan model di mana data dapat diverifikasi end-to-end, dilacak hingga masuk ke pipeline pelatihan, dan di-kueri ketika sistem membutuhkan kebenaran yang mendasarinya.

Menurutnya, provenance menciptakan loop umpan balik: jika sebuah model dituduh berhalusinasi, model tersebut dapat memeriksa apakah input yang mendasarinya bersumber secara dapat diverifikasi—atau meminta data baru yang spesifik dari jaringan terdesentralisasi, alih-alih melakukan pengikisan sumber yang tidak dapat diandalkan.

Mengapa Layer-1 yang asli untuk data itu penting

XYO menghabiskan bertahun-tahun untuk mencoba tidak membangun sebuah chain, kata Levin—beroperasi sebagai middleware antara sinyal dunia nyata dan smart contract. Namun “tak ada yang membangunnya,” dan volume data jaringan memaksa persoalan tersebut.

Ia menjelaskan tujuan desainnya dengan sederhana: “Blockchain tidak bisa membengkak… dan memang dibuat untuk data.”

Pendekatan XYO berpusat pada mekanisme seperti Proof of Perfect dan batasan bergaya “lookback” yang ditujukan untuk menjaga kebutuhan node tetap ringan, bahkan ketika dataset bertambah.

Onboarding COIN: mengubah pengguna non-crypto menjadi node

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

Alih-alih mendorong pengguna ke volatilitas token secara langsung, aplikasi ini menggunakan poin yang terikat dolar dan opsi penebusan yang lebih luas—lalu secara bertahap menjembatani pengguna ke jalur kripto.

Model token ganda: menyelaraskan insentif dengan XL1

Levin mengatakan bahwa sistem token ganda dirancang untuk memisahkan imbalan keamanan/ekosistem dari biaya aktivitas chain. “Kami sangat bersemangat tentang sistem token ganda ini,” katanya, menggambarkan $XYO sebagai aset staking/tata kelola/keamanan eksternal dan $XL1 sebagai token gas/transaksi internal yang digunakan di XYO Layer One.

Mitra dunia nyata: infrastruktur penagihan dan data POI berkualitas pemetaan

Levin menyoroti kemitraan baru sebagai momentum “killer app” awal di dalam ekosistem DePIN yang lebih luas, dengan menyebut kesepakatan bersama Piggycell—jaringan pengisian daya besar dari Korea Selatan yang membutuhkan bukti lokasi dan berencana untuk memtokenkan data di XYO Layer One.

Ia juga menjelaskan use case terpisah untuk bukti lokasi yang melibatkan dataset point-of-interest (jam, foto, informasi tempat), dengan mengklaim bahwa sebuah mitra geolokasi besar menemukan masalah pada datasetnya sendiri “dalam 60% kasus,” sementara data yang bersumber dari XYO “99,9% akurat,” sehingga memungkinkan pemetaan lanjutan untuk perusahaan-perusahaan besar.

Secara keseluruhan, pesan Levin konsisten: jika AI dan RWA membutuhkan input yang tepercaya, batas kompetitif berikutnya mungkin tidak terlalu soal model yang lebih cepat—melainkan tentang pipeline data yang dapat diverifikasi yang berlabuh di dunia nyata.