Markus Levin của XYO: Tại sao một L1 gốc dữ liệu có thể trở thành xương sống “bằng chứng nguồn gốc” của AI

Trong tập SlateCast mới nhất, đồng sáng lập XYO Markus Levin đã tham gia các dẫn chương trình của CryptoSlate để phân tích vì sao các mạng hạ tầng vật lý phi tập trung (DePIN) đang vượt ra khỏi các thí nghiệm quy mô nhỏ — và vì sao XYO đã xây dựng một Layer-1 được thiết kế riêng để xử lý loại dữ liệu mà AI và các ứng dụng ngoài đời thực ngày càng cần.

Tham vọng của Levin cho mạng lưới là thẳng thừng: “Thứ nhất, tôi nghĩ XYO sẽ có tám tỷ node,” ông nói, gọi đó là mục tiêu đầy thách thức — nhưng ông tin rằng nó phù hợp với hướng mà danh mục này đang tiến tới.

Luận điểm “mọi ngóc ngách trên thế giới” của DePIN

Levin mô tả DePIN như một sự thay đổi mang tính cấu trúc trong cách các thị trường phối hợp hạ tầng vật lý, chỉ ra kỳ vọng tăng trưởng nhanh cho ngành. Ông dẫn một dự báo của Diễn đàn Kinh tế Thế giới rằng DePIN có thể mở rộng từ khoảng hàng chục tỷ hiện nay lên hàng nghìn tỷ vào năm 2028.

Với XYO, quy mô không phải giả định. Một trong các người dẫn chương trình lưu ý rằng mạng lưới đã tăng trưởng “với hơn 10 triệu node”, tạo tiền đề cho cuộc trò chuyện tập trung ít hơn vào “nếu như” và nhiều hơn vào những gì sẽ vỡ khi khối lượng dữ liệu ngoài đời thực trở thành sản phẩm.

Bằng chứng nguồn gốc cho AI: vấn đề dữ liệu, không chỉ là tính toán

Khi được hỏi về deepfake và sự sụp đổ niềm tin vào truyền thông, Levin cho rằng nút thắt của AI không chỉ nằm ở tính toán — mà nằm ở xuất xứ. “Trong khi DePIN, thứ bạn có thể làm là bạn có thể, uh, chứng minh dữ liệu đến từ đâu,” ông nói, phác họa một mô hình nơi dữ liệu có thể được xác minh đầu-cuối, được theo dõi vào các pipeline huấn luyện và được truy vấn khi hệ thống cần thông tin thực chứng.

Theo quan điểm của ông, xuất xứ tạo ra một vòng phản hồi: nếu một mô hình bị cáo buộc bịa chuyện (hallucinating), thì nó có thể kiểm tra xem đầu vào cơ sở có nguồn gốc được xác minh hay không — hoặc yêu cầu dữ liệu mới, cụ thể từ một mạng phi tập trung thay vì cào (scraping) các nguồn không đáng tin cậy.

Vì sao một Layer-1 gốc dữ liệu lại quan trọng

XYO đã dành nhiều năm cố gắng không xây dựng một chuỗi (chain), Levin nói — vận hành như lớp trung gian (middleware) giữa các tín hiệu ngoài đời thực và các smart contract. Nhưng “chẳng ai xây nó cả”, và khối lượng dữ liệu của mạng lưới đã buộc phải giải quyết vấn đề.

Ông giải thích mục tiêu thiết kế một cách ngắn gọn: “Blockchain không thể phình to… và nó thực sự chỉ được xây cho dữ liệu.”

Cách tiếp cận của XYO tập trung vào các cơ chế như Proof of Perfect và các ràng buộc kiểu “lookback”, nhằm giữ yêu cầu đối với node ở mức nhẹ, ngay cả khi bộ dữ liệu tăng trưởng.

Onboarding COIN: biến người dùng không thuộc crypto thành các node

Một đòn bẩy tăng trưởng then chốt là ứng dụng COIN, mà Levin mô tả là cách biến điện thoại di động thành các node của mạng lưới XYO.

Thay vì đẩy người dùng vào biến động token ngay lập tức, ứng dụng sử dụng các điểm gắn với đô la và nhiều lựa chọn đổi thưởng hơn — rồi dần dần đưa người dùng vào các “đường ray” crypto.

Mô hình token kép: căn chỉnh động lực với XL1

Levin cho biết hệ thống token kép được thiết kế để tách phần thưởng/an ninh của hệ sinh thái khỏi chi phí hoạt động của chuỗi. “Chúng tôi thực sự rất hào hứng với hệ thống token kép này,” ông nói, mô tả $XYO như tài sản staking/quản trị/an ninh bên ngoài và $XL1 như token phí gas/giao dịch nội bộ được dùng trên XYO Layer One.

Các đối tác ngoài đời thực: tính phí hạ tầng và dữ liệu POI đạt chuẩn bản đồ

Levin chỉ ra các quan hệ đối tác mới như một động lực “killer app” ban đầu bên trong hệ sinh thái DePIN rộng hơn, dẫn một thỏa thuận với Piggycell — một mạng lưới sạc lớn tại Hàn Quốc, cần bằng chứng định vị và có kế hoạch token hóa dữ liệu trên XYO Layer One.

Ông cũng mô tả một ca sử dụng riêng về proof-of-location liên quan đến các bộ dữ liệu điểm quan tâm (hours, photos, venue info), cho rằng một đối tác geolocation lớn đã phát hiện ra vấn đề trong bộ dữ liệu của chính họ “trong 60% số trường hợp”, trong khi dữ liệu do XYO cung cấp “đúng 99.9%”, từ đó cho phép tạo lớp bản đồ (downstream mapping) cho các doanh nghiệp lớn.

Tổng hợp lại, thông điệp của Levin là nhất quán: nếu AI và các RWA cần đầu vào đáng tin cậy, thì bước tiến cạnh tranh tiếp theo có thể ít xoay quanh các mô hình nhanh hơn — và nhiều hơn ở các pipeline dữ liệu có thể xác minh, được neo vào thế giới thực.