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 menguraikan mengapa jaringan infrastruktur fisik terdesentralisasi (DePIN) bergerak melampaui eksperimen khusus—dan mengapa XYO membangun Layer-1 khusus untuk menangani jenis data yang semakin dituntut oleh AI dan aplikasi dunia nyata.

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

Gagasan DePIN: “setiap sudut dunia”

Levin membingkai DePIN sebagai perubahan struktural dalam cara pasar mengoordinasikan infrastruktur fisik, menunjuk pada ekspektasi pertumbuhan pesat untuk sektor tersebut. Ia mengutip proyeksi World Economic Forum bahwa DePIN dapat berkembang dari kira-kira puluhan miliar saat ini menjadi triliunan pada tahun 2028.

Bagi XYO, skala bukan sesuatu yang hipotetis. Salah satu pembawa acara mencatat bahwa jaringan telah tumbuh “dengan lebih dari 10 juta node,” yang menjadi landasan percakapan yang berfokus pada apa yang rusak ketika volume data dunia nyata menjadi produknya—bukan pada “bagaimana jika”.

Bukti asal untuk AI: masalah data, bukan hanya komputasi

Ditanya soal deepfake dan runtuhnya kepercayaan pada media, Levin berpendapat bahwa bottleneck AI tidak hanya komputasi—melainkan provenance. “Sedangkan DePIN, apa yang bisa Anda lakukan adalah Anda bisa, uh, membuktikan dari mana data itu berasal,” katanya, menguraikan model di mana data bisa diverifikasi end-to-end, dilacak hingga pipeline pelatihan, dan ditanyakan ketika sistem membutuhkan kebenaran (ground truth).

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

Mengapa Layer-1 yang asli data itu penting

XYO menghabiskan bertahun-tahun untuk berusaha tidak membangun sebuah rantai, kata Levin—beroperasi sebagai middleware antara sinyal dunia nyata dan smart contract. Tapi “tidak ada yang membangunnya,” dan volume data jaringan memaksa persoalannya.

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

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

Onboarding COIN: mengubah pengguna non-crypto menjadi node

Salah satu pendorong pertumbuhan kunci adalah aplikasi COIN, yang Levin jabarkan sebagai cara untuk mengubah ponsel seluler menjadi node jaringan XYO.

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

Model token ganda: menyelaraskan insentif dengan XL1

Levin mengatakan sistem token ganda dirancang untuk memisahkan imbalan keamanan/ekosistem dari biaya aktivitas rantai. “Kami sangat bersemangat dengan sistem token ganda ini,” katanya, menjelaskan $XYO sebagai aset staking/tata kelola/keamanan eksternal dan $XL1 sebagai token gas/transaksi internal 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 menyebut kesepakatan dengan Piggycell—jaringan pengisian besar Korea Selatan yang membutuhkan bukti lokasi dan berencana untuk tokenisasi data di XYO Layer One.

Ia juga menguraikan kasus penggunaan proof-of-location terpisah 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 RWAs memerlukan input yang dapat dipercaya, batas kompetitif berikutnya mungkin kurang tentang model yang lebih cepat—dan lebih tentang pipeline data yang dapat diverifikasi, berlabuh pada dunia nyata.