Markus Levin de XYO: Por qué una L1 nativa de datos podría convertirse en la columna vertebral del "prueba de origen" de la IA

En el último episodio de SlateCast, el cofundador de XYO, Markus Levin, se unió a los anfitriones de CryptoSlate para desglosar por qué las redes de infraestructura física descentralizada (DePIN) están evolucionando más allá de experimentos de nicho, y por qué XYO construyó una capa 1 diseñada específicamente para manejar el tipo de datos que la IA y las aplicaciones del mundo real demandan cada vez más.

La ambición de Levin para la red es clara: “Primero, creo que XYO va a tener ocho mil millones de nodos”, dijo, llamándolo un objetivo ambicioso, pero uno que él cree que se alinea con hacia donde se dirige la categoría.

La tesis de DePIN de “cada rincón del mundo”

Levin enmarcó DePIN como un cambio estructural en cómo los mercados coordinan la infraestructura física, señalando las rápidas expectativas de crecimiento para el sector. Citó una proyección del Foro Económico Mundial que sugiere que DePIN podría expandirse de aproximadamente decenas de miles de millones hoy a billones para 2028.

Para XYO, la escala no es hipotética. Uno de los anfitriones señaló que la red ha crecido “con más de 10 millones de nodos”, preparando el escenario para una conversación centrada menos en “qué pasaría si” y más en qué se rompe cuando el volumen de datos del mundo real se convierte en el producto.

Prueba de origen para la IA: el problema de los datos, no solo de computación

Al preguntarle sobre los deepfakes y el colapso de la confianza en los medios, Levin argumentó que el cuello de botella de la IA no es solo la computación, sino la procedencia. “Mientras que DePIN, lo que puedes hacer es, eh, probar de dónde proviene los datos”, dijo, delineando un modelo donde los datos pueden ser verificados de extremo a extremo, rastreados en las tuberías de entrenamiento y consultados cuando los sistemas necesitan la verdad fundamental.

En su opinión, la procedencia crea un bucle de retroalimentación: si se acusa a un modelo de alucinar, puede verificar si la entrada subyacente tiene un origen verificable, o solicitar nuevos datos específicos de una red descentralizada en lugar de raspar fuentes poco confiables.

Por qué importa una capa 1 nativa de datos

XYO pasó años tratando de no construir una cadena, dijo Levin, operando como middleware entre señales del mundo real y contratos inteligentes. Pero “nadie lo construyó”, y el volumen de datos de la red forzó la cuestión.

Explicó el objetivo de diseño de manera simple: “La blockchain no puede hincharse… y está realmente construida para datos”.

El enfoque de XYO se centra en mecanismos como Prueba de Perfección y restricciones de estilo “lookback” destinadas a mantener los requisitos de nodos livianos, incluso a medida que los conjuntos de datos crecen.

Incorporación de COIN: convirtiendo a los usuarios no cripto en nodos

Un impulso clave para el crecimiento ha sido la aplicación COIN, que Levin describió como una forma de transformar teléfonos móviles en nodos de la red XYO.

En lugar de empujar a los usuarios hacia la volatilidad inmediata de tokens, la aplicación utiliza puntos atados al dólar y opciones de redención más amplias, y luego conecta a los usuarios con los rieles cripto con el tiempo.

Modelo de tokens duales: alineando incentivos con XL1

Levin dijo que el sistema de tokens duales está diseñado para separar las recompensas/seguridad del ecosistema de los costos de actividad de la cadena. “Estamos extremadamente emocionados por este sistema de tokens duales”, dijo, describiendo $XYO como el activo externo de staking/gobernanza/seguridad y $XL1 como el token interno de gas/transacciones utilizado en la Capa Uno de XYO.

Socios del mundo real: infraestructura de carga y datos de POI de calidad de mapeo

Levin señaló nuevas asociaciones como un temprano impulso de “aplicación asesina” dentro del ecosistema más amplio de DePIN, citando un acuerdo con Piggycell, una gran red de carga en Corea del Sur que necesita prueba de ubicación y planea tokenizar datos en la Capa Uno de XYO.

También describió un caso de uso separado de prueba de ubicación que involucra conjuntos de datos de puntos de interés (horas, fotos, información de lugares), afirmando que un importante socio de geolocalización encontró problemas en su propio conjunto de datos “en el 60% de los casos”, mientras que los datos obtenidos de XYO eran “99.9% correctos”, permitiendo el mapeo posterior para grandes empresas.

Tomado en conjunto, el mensaje de Levin fue consistente: si la IA y las RWA necesitan insumos confiables, la próxima frontera competitiva puede ser menos sobre modelos más rápidos y más sobre canales de datos verificables anclados en el mundo real.