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 của XYO, Markus Levin, đã tham gia dẫn chương trình của CryptoSlate để phân tích lý do vì sao các mạng cơ sở hạ tầng vật lý phi tập trung (DePIN) đang vượt ra khỏi các thí nghiệm mang tính ngách—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 thế giới thực ngày càng đòi hỏi.

Tham vọng của Levin cho mạng lưới là thẳng thắn: “Đầu tiên, tôi nghĩ XYO sẽ có tám tỷ node,” ông nói, gọi đó là mục tiêu đầy thách thức—nhưng là mục tiêu mà ông tin rằng phù hợp với hướng đi 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 lĩnh vực này. Ông dẫn một dự báo từ 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 là giả định. Một trong các người dẫn chương trình nhận xét rằng mạng lưới đã phát triển “với hơn 10 triệu node,” tạo tiền đề cho cuộc trao đổi tập trung ít hơn vào “nếu như” và nhiều hơn vào những gì sẽ xảy ra 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 lập luận rằng nút thắt của AI không chỉ là điện toán—mà là xuất xứ (provenance). “Trong khi đó, ở DePIN, những gì bạn có thể làm là, ừm, chứng minh nguồn gốc của dữ liệu đến từ đâu,” ông nói, phác thảo một mô hình trong đó dữ liệu có thể được xác minh end-to-end, được theo dõi vào các quy trình huấn luyện, và được truy vấn khi hệ thống cần dữ liệu nền tảng đáng tin.

Theo ông, xuất xứ tạo ra một vòng phản hồi: nếu một mô hình bị cáo buộc là “hallucinating” (tạo ra thông tin sai lệch), nó có thể kiểm tra liệu đầu vào nền có được cung cấp từ nguồn có thể xác minh hay không—hoặc yêu cầu dữ liệu mới, cụ thể từ một mạng lưới phi tập trung thay vì “cào” các nguồn không đáng tin.

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

XYO đã mất nhiều năm để cố gắng không xây dựng một blockchain, Levin nói—vận hành như middleware giữa các tín hiệu ngoài đời thực và các smart contract. Nhưng “không ai xây dựng điều đó,” và khối lượng dữ liệu của mạng lưới đã buộc phải đi đến vấn đề.

Ông giải thích mục tiêu thiết kế một cách đơn giản: “Blockchain không thể phình to… và nó chỉ được xây dựng cho dữ liệu thôi.”

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 phải crypto thành các node

Một đòn bẩy tăng trưởng quan trọng là ứng dụng COIN, mà Levin mô tả như một cách để 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 các tùy chọn quy đổi rộng hơn—rồi theo thời gian tích hợp người dùng vào các “crypto rails”.

Mô hình token kép: căn chỉnh động lực với XL1

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

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

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

Ông cũng mô tả một trường hợp sử dụng khác về proof-of-location liên quan đến các bộ dữ liệu điểm quan tâm (giờ, ảnh, thông tin địa điểm), cho rằng một đối tác geolocation lớn đã phát hiện “các vấn đề trong chính bộ dữ liệu của họ ở 60% các trường hợp,” trong khi dữ liệu do XYO cung cấp “đúng 99.9%,” cho phép triển khai dữ liệu bản đồ cho các doanh nghiệp quy mô lớn.

Tổng hợp lại, thông điệp của Levin là nhất quán: nếu AI và RWAs cần các đầu vào đáng tin cậy, thì biên giới cạnh tranh tiếp theo có thể ít liên quan đến các mô hình nhanh hơn—và nhiều hơn đến các pipeline dữ liệu có thể kiểm chứng, được neo vào thế giới thực.