Markus Levin dari XYO: Mengapa L1 yang berbasis data dapat menjadi tulang punggung "bukti asal-usul" AI

Di episode terbaru SlateCast, pendiri XYO Markus Levin bergabung dengan pembawa acara CryptoSlate untuk mengurai mengapa jaringan infrastruktur fisik terdesentralisasi (DePIN) sedang melampaui eksperimen eksklusif—dan mengapa XYO membangun Layer-1 yang dirancang khusus untuk menangani jenis data yang semakin dituntut oleh AI dan aplikasi dunia nyata.

Ambisi Levin untuk jaringan itu terus terang: “Pertama, saya pikir XYO akan punya delapan miliar node,” katanya, menyebutnya sebagai target yang ambisius—tapi menurutnya target itu sejalan dengan arah kategori ini.

Teori DePIN “ke setiap sudut dunia”

Levin memandang DePIN sebagai pergeseran struktural dalam cara pasar mengoordinasikan infrastruktur fisik, menunjuk pada ekspektasi pertumbuhan pesat untuk sektor tersebut. Ia mengutip proyeksi World Economic Forum bahwa DePIN bisa berkembang dari kisaran puluhan miliar saat ini menjadi triliunan pada tahun 2028.

Bagi XYO, skala bukanlah hipotesis. Salah satu pembawa acara mencatat bahwa jaringan itu telah tumbuh “dengan lebih dari 10 juta node,” sehingga pembicaraan tidak lagi berfokus pada “bagaimana kalau”—melainkan pada apa yang akan rusak ketika volume data dunia nyata menjadi produknya.

Bukti asal untuk AI: masalah data, bukan sekadar komputasi

Saat ditanya tentang deepfake dan runtuhnya kepercayaan pada media, Levin berargumen bahwa bottleneck AI tidak hanya komputasi—melainkan asal-usulnya. “Sementara DePIN, yang bisa Anda lakukan adalah Anda bisa, uh, membuktikan dari mana data itu berasal,” katanya, menguraikan model di mana data dapat diverifikasi ujung-ke-ujung, ditelusuri ke pipeline pelatihan, dan dikueri ketika sistem membutuhkan kebenaran yang menjadi rujukan.

Menurutnya, asal-usul menciptakan loop umpan balik: jika sebuah model dituduh berhalusinasi, ia bisa memeriksa apakah input yang mendasarinya bersumber secara terverifikasi—atau meminta data baru yang spesifik dari jaringan terdesentralisasi, bukan mengikis sumber yang tidak dapat diandalkan.

Mengapa Layer-1 yang asli untuk data itu penting

XYO menghabiskan bertahun-tahun untuk mencoba tidak membangun sebuah rantai, kata Levin—beroperasi sebagai middleware antara sinyal dunia nyata dan smart contract. Tetapi “tidak ada yang membangunnya,” dan volume data jaringan memaksa persoalan itu.

Ia menjelaskan tujuan desainnya secara sederhana: “Blockchain tidak bisa membengkak… dan memang dibangun untuk data.”

Pendekatan XYO berpusat pada mekanisme seperti Proof of Perfect dan batasan bergaya “lookback” yang dimaksudkan untuk menjaga kebutuhan node tetap ringan, bahkan saat kumpulan data terus bertumbuh.

Onboarding COIN: mengubah pengguna non-kripto menjadi node

Salah satu pengungkit pertumbuhan utama adalah aplikasi COIN, yang digambarkan Levin sebagai cara untuk mengubah ponsel seluler menjadi node jaringan XYO.

Alih-alih mendorong pengguna ke volatilitas token yang langsung, aplikasi ini memakai poin yang terkait dengan dolar dan opsi penebusan yang lebih luas—lalu secara bertahap menjembatani pengguna ke jalur kripto.

Model token ganda: menyelaraskan insentif dengan XL1

Levin mengatakan bahwa sistem token ganda dirancang untuk memisahkan imbalan keamanan/ekosistem dari biaya aktivitas rantai. “Kami sangat antusias dengan sistem token ganda ini,” katanya, menggambarkan $XYO sebagai aset staking/tata kelola/keamanan eksternal dan $XL1 sebagai token internal untuk gas/transaksi yang digunakan di XYO Layer One.

Mitra dunia nyata: menagih infrastruktur dan data POI berkelas pemetaan

Levin menyoroti kemitraan baru sebagai momentum “killer app” awal di dalam ekosistem DePIN yang lebih luas, dengan menyebut kesepakatan dengan Piggycell—jaringan pengisian daya besar asal Korea Selatan yang membutuhkan bukti-lokasi dan berencana untuk tokenisasi data di XYO Layer One.

Ia juga menjelaskan kasus penggunaan bukti-lokasi terpisah yang melibatkan kumpulan data point-of-interest (jam, foto, informasi tempat), dengan mengklaim bahwa sebuah mitra geolokasi besar menemukan masalah di datasetnya sendiri “dalam 60% kasus,” sementara data yang bersumber dari XYO “benar 99,9%,” sehingga memungkinkan pemetaan lanjutan untuk perusahaan-perusahaan besar.

Secara keseluruhan, pesan Levin konsisten: jika AI dan RWAs membutuhkan masukan yang tepercaya, perbatasan kompetitif berikutnya mungkin bukan tentang model yang lebih cepat—melainkan tentang pipeline data yang dapat diverifikasi, yang berlabuh pada dunia nyata.