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 para host CryptoSlate untuk membedah mengapa jaringan infrastruktur fisik terdesentralisasi (DePIN) kini melampaui eksperimen-eksperimen yang masih bersifat khusus—dan mengapa XYO membangun Layer-1 yang dirancang khusus untuk menangani jenis data yang semakin dituntut oleh AI dan aplikasi dunia nyata.

Ambisi Levin untuk jaringan tersebut terus terang: “Pertama, saya pikir XYO akan punya delapan miliar node,” katanya, menyebutnya sebagai target yang menantang—tapi menurutnya itu sesuai dengan arah yang dituju oleh kategori ini.

Teori DePIN tentang “setiap sudut dunia”

Levin memandang DePIN sebagai pergeseran struktural dalam cara pasar berkoordinasi untuk infrastruktur fisik, sambil menunjuk pada ekspektasi pertumbuhan yang pesat untuk sektor ini. Ia mengutip proyeksi World Economic Forum bahwa DePIN bisa berkembang dari kisaran puluhan miliar saat ini menjadi triliunan pada tahun 2028.

Bagi XYO, skala bukan sesuatu yang hipotetis. Salah satu host mencatat bahwa jaringan tersebut telah tumbuh “dengan lebih dari 10 juta node,” sehingga percakapan bergeser dari “bagaimana jika” menuju apa yang pecah ketika volume data dunia nyata menjadi produknya.

Bukti asal untuk AI: masalah data, bukan sekadar komputasi

Saat ditanya tentang deepfake dan runtuhnya kepercayaan pada media, Levin berargumen bahwa bottleneck AI tidak hanya komputasi—melainkan provenance. “Sedangkan untuk DePIN, apa yang bisa Anda lakukan adalah Anda bisa, uh, membuktikan dari mana asal data tersebut,” katanya, menguraikan model di mana data bisa diverifikasi dari ujung ke ujung, dilacak hingga masuk ke pipeline pelatihan, dan dikueri ketika sistem membutuhkan kebenaran faktual.

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

Mengapa Layer-1 yang berorientasi data itu penting

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

Ia menjelaskan tujuan desain dengan sederhana: “Blockchain tidak bisa jadi bengkak… dan memang dibangun untuk data.”

Pendekatan XYO berpusat pada mekanisme seperti Proof of Perfect dan batasan bergaya “lookback” yang dimaksudkan untuk menjaga kebutuhan node tetap ringan, bahkan saat kumpulan data bertambah.

Onboarding COIN: mengubah pengguna non-kripto menjadi node

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

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

Model token ganda: menyelaraskan insentif dengan XL1

Levin mengatakan sistem token ganda dirancang untuk memisahkan imbalan ekosistem/keamanan dari biaya aktivitas chain. “Kami benar-benar sangat antusias dengan sistem token ganda ini,” katanya, sambil menjelaskan $XYO sebagai aset eksternal untuk staking/governance/security dan $XL1 sebagai token internal gas/transaksi yang digunakan di XYO Layer One.

Mitra dunia nyata: menagih infrastruktur dan data POI kelas pemetaan

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

Ia juga menguraikan use case bukti lokasi terpisah yang melibatkan dataset point-of-interest (jam, foto, info tempat), sambil mengklaim bahwa sebuah mitra geolokasi besar menemukan masalah pada datasetnya sendiri “di 60% kasus,” sementara data yang bersumber dari XYO “benar 99.9%,” sehingga memungkinkan pemetaan lanjutan untuk perusahaan-perusahaan besar.

Secara keseluruhan, pesan Levin konsisten: jika AI dan RWAs memerlukan input yang dapat dipercaya, frontier kompetitif berikutnya mungkin tidak terlalu tentang model yang lebih cepat—melainkan tentang pipeline data yang dapat diverifikasi dan berlabuh pada dunia nyata.