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 cùng các MC của CryptoSlate để làm rõ vì sao các mạng hạ tầng vật lý phi tập trung (DePIN) đang vượt ra khỏi các thử nghiệm nhỏ lẻ—và vì sao XYO đã xây dựng một Layer-1 được thiết kế riêng để xử lý đúng loại dữ liệu mà AI và các ứng dụng trong thế giới thực ngày càng đòi hỏi.

Khát vọng của Levin dành cho mạng là thẳng thắn: “Thứ nhất, tôi nghĩ XYO sẽ có tám tỷ node,” ông nói, gọi đó là mục tiêu tham vọng—nhưng là mục tiêu mà ông tin rằng phù hợp với hướng đi mà chuyên 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 của Diễn đàn Kinh tế Thế giới rằng DePIN có thể mở rộng từ khoảng hàng chục tỷ như hiện nay lên hàng nghìn tỷ vào năm 2028.

Với XYO, quy mô không phải là giả định. Một trong các MC nhận xét rằng mạng đã tăng trưởng “với hơn 10 triệu node,” tạo tiền đề cho cuộc trò chuyện tập trung ít hơn vào “giả sử như thế nào” và nhiều hơn vào điều gì sẽ vỡ ra khi khối lượng dữ liệu trong thế giới thực trở thành sản phẩm.

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

Được hỏi về deepfake và sự sụp đổ niềm tin vào truyền thông, Levin cho rằng điểm nghẽn của AI không chỉ nằm ở tính toán—mà là ở tính xuất xứ. “Trong khi đó, với DePIN, thứ bạn có thể làm là, uh, chứng minh được dữ liệu đến từ đâu,” ông nói, phác thảo một mô hình trong đó dữ liệu có thể được xác minh đầu-cuối, được theo dõi xuyên suốt vào các pipeline huấn luyện, và được truy vấn khi các hệ thống cần dữ liệu nền tảng (ground truth).

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

Vì sao một Layer-1 sinh ra từ dữ liệu lại quan trọng

XYO đã mất nhiều năm để cố gắng không xây dựng một chuỗi, Levin nói—hoạt động như middleware giữa các tín hiệu từ thế giới thực và các smart contract. Nhưng “không ai xây dựng nó,” và khối lượng dữ liệu của mạng đã buộc vấn đề phải được giải quyết.

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.”

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

Onboarding COIN: biến người dùng không thuộc lĩnh vực 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 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 lựa chọn quy đổi rộng hơn—rồi dần dần chuyển người dùng sang các “crypto rails” trong thời gian.

Mô hình hai token: căn chỉnh động lực với XL1

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

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

Levin chỉ ra các quan hệ đối tác mới như đà “killer app” giai đoạn đầu trong hệ sinh thái DePIN rộng hơn, dẫn một thỏa thuận với Piggycell—một mạng sạc lớn của Hàn Quốc, nơi cần bằng chứng về vị trí và dự định token hóa dữ liệu trên XYO Layer One.

Ông cũng mô tả một trường hợp 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 định vị địa lý lớn đã phát hiện vấn đề trong bộ dữ liệu của chính họ “ở 60% các trường hợp,” trong khi dữ liệu do XYO cung cấp “đúng 99.9%,” từ đó giúp thực hiện phần việc lập bản đồ (downstream mapping) cho các doanh nghiệp lớn.

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