XYO's Markus Levin: Por que uma L1 nativa de dados poderia se tornar a espinha dorsal "prova de origem" da IA

No episódio mais recente do SlateCast, o cofundador da XYO, Markus Levin, juntou-se aos anfitriões do CryptoSlate para analisar por que as redes de infraestrutura física descentralizada (DePIN) estão indo além de experimentos de nicho — e por que a XYO construiu uma Layer-1 especialmente desenvolvida para lidar com o tipo de dados que a IA e aplicações do mundo real cada vez mais exigem.

A ambição de Levin para a rede é direta: “Primeiro, acho que a XYO vai ter oito bilhões de nós”, disse, chamando isso de uma meta ambiciosa — mas que ele acredita estar alinhada com o rumo da categoria.

A tese do DePIN de “todos os cantos do mundo”

Levin enquadrou o DePIN como uma mudança estrutural na forma como os mercados coordenam a infraestrutura física, apontando para expectativas de crescimento rápido do setor. Ele citou uma projeção do Fórum Econômico Mundial de que o DePIN pode expandir de dezenas de bilhões atualmente para trilhões até 2028.

Para a XYO, escala não é hipotética. Um dos anfitriões observou que a rede cresceu “com mais de 10 milhões de nós”, preparando o terreno para uma conversa que foca menos no “e se” e mais no que quebra quando o volume de dados do mundo real se torna o produto.

Prova de origem para IA: o problema dos dados, não apenas do processamento

Questionado sobre deepfakes e a perda de confiança na mídia, Levin argumentou que o gargalo da IA não é apenas o processamento — é a proveniência. “Enquanto o DePIN, o que você pode fazer é, uh, provar de onde vêm os dados”, explicou, delineando um modelo onde os dados podem ser verificados de ponta a ponta, rastreados até pipelines de treinamento e consultados quando os sistemas precisam de uma verdade fundamental.

Na visão dele, a proveniência cria um ciclo de feedback: se um modelo for acusado de alucinar, ele pode verificar se a entrada subjacente tem origem verificável — ou solicitar novos dados específicos de uma rede descentralizada, em vez de raspar fontes não confiáveis.

Por que uma Layer-1 nativa de dados importa

A XYO passou anos tentando não construir uma cadeia, disse Levin — operando como middleware entre sinais do mundo real e contratos inteligentes. Mas “ninguém construiu isso”, e o volume de dados da rede forçou a questão.

Ele explicou o objetivo do design de forma simples: “Blockchain não pode ficar inchado… e é realmente feito para dados.”

A abordagem da XYO centra-se em mecanismos como Prova de Perfeição e restrições do tipo “lookback” destinadas a manter os requisitos dos nós leves, mesmo com o crescimento dos conjuntos de dados.

Onboarding de COIN: transformar usuários não cripto em nós

Um dos principais fatores de crescimento foi o aplicativo COIN, que Levin descreveu como uma forma de transformar telefones móveis em nós da rede XYO.

Em vez de forçar os usuários a uma volatilidade imediata de tokens, o aplicativo usa pontos atrelados ao dólar e opções de resgate mais amplas — e, ao longo do tempo, conecta os usuários às redes de criptomoedas.

Modelo de tokens duplo: alinhando incentivos com o XL1

Levin afirmou que o sistema de tokens duplo foi projetado para separar as recompensas/segurança do ecossistema dos custos de atividade na cadeia. “Estamos extremamente empolgados com esse sistema de tokens duplo”, disse, descrevendo o $XYO como o ativo externo de staking/governança/segurança e o $XL1 como o token interno de gás/transações usado na Layer-1 da XYO.

Parceiros do mundo real: infraestrutura de carregamento e dados de POI de qualidade de mapeamento

Levin destacou novas parcerias como um impulso inicial de “aplicativo matador” dentro do ecossistema mais amplo do DePIN, citando um acordo com a Piggycell — uma grande rede de carregamento na Coreia do Sul que precisa de prova de localização e planeja tokenizar dados na Layer-1 da XYO.

Ele também descreveu um caso de uso separado de prova de localização envolvendo conjuntos de dados de pontos de interesse (horários, fotos, informações de locais), afirmando que um grande parceiro de geolocalização encontrou problemas em seus próprios dados “em 60% dos casos”, enquanto os dados provenientes da XYO estavam “99,9% corretos”, permitindo mapeamento downstream para grandes empresas.

No conjunto, a mensagem de Levin foi consistente: se IA e RWAs precisam de entradas confiáveis, a próxima fronteira competitiva pode ser menos sobre modelos mais rápidos — e mais sobre pipelines de dados verificáveis ancorados no mundo real.