XYO’s Markus Levin: Por que uma L1 nativa de dados poderia tornar-se a espinha dorsal do “prova de origem” da IA

No episódio mais recente do SlateCast, o cofundador da XYO, Markus Levin, juntou-se aos apresentadores da CryptoSlate para explicar por que razão as redes de infraestruturas físicas descentralizadas (DePIN) estão a passar para além de experiências de nicho — e por que a XYO construiu uma Layer-1 criada para esse efeito para lidar com o tipo de dados que a IA e as aplicações do mundo real exigem cada vez mais.

A ambição de Levin para a rede é direta: “Em primeiro lugar, acho que a XYO vai ter oito mil milhões de nós”, disse ele, referindo-se a isso como uma meta ambiciosa — mas que, na sua opinião, corresponde ao rumo para onde a categoria está a caminhar.

A tese das “todas as esquinas do mundo” da DePIN

Levin enquadrou a DePIN como uma mudança estrutural na forma como os mercados coordenam infraestruturas físicas, apontando para expectativas de crescimento rápido para o setor. Ele citou uma projeção do World Economic Forum segundo a qual a DePIN poderia expandir-se dos atuais dezenas de mil milhões para biliões até 2028.

Para a XYO, a escala não é hipotética. Um dos apresentadores notou que a rede cresceu “com mais de 10 milhões de nós”, preparando o terreno para uma conversa menos focada no “e se” e mais no que se quebra quando o volume de dados do mundo real se torna o produto.

Prova de origem para IA: o problema dos dados, não apenas o cálculo

Questionado sobre deepfakes e o colapso da confiança nos media, Levin argumentou que o gargalo da IA não é só a computação — é a proveniência. “Ao passo que na DePIN, o que pode fazer é, ah, provar de onde vêm os dados”, disse ele, descrevendo um modelo em que os dados podem ser verificados de ponta a ponta, acompanhados até às cadeias de treino e consultados quando os sistemas precisam de uma verdade de base.

Na sua perspetiva, a proveniência cria um ciclo de feedback: se um modelo for acusado de alucinar, pode verificar se a entrada subjacente tem origem verificável — ou solicitar novos dados específicos a partir de uma rede descentralizada em vez de recolher dados de fontes pouco fiáveis.

Porque é que uma Layer-1 nativa de dados importa

A XYO passou anos a tentar não construir uma cadeia, disse Levin — operando como middleware entre sinais do mundo real e contratos inteligentes. Mas “ninguém construiu isso”, e o volume de dados da rede tornou a questão inevitável.

Ele explicou o objetivo do desenho de forma simples: “A blockchain não pode inchar… e é apenas feita mesmo para dados.”

A abordagem da XYO centra-se em mecanismos como Proof of Perfect e restrições do tipo “lookback”, destinados a manter os requisitos dos nós leves, mesmo à medida que os conjuntos de dados crescem.

Onboarding COIN: transformar utilizadores não-cripto em nós

Um principal motor de crescimento tem sido a app COIN, que Levin descreveu como uma forma de transformar telemóveis em nós da rede XYO.

Em vez de empurrar os utilizadores para a volatilidade imediata do token, a app usa pontos indexados ao dólar e opções mais abrangentes de resgate — e depois faz a ponte dos utilizadores para as infraestruturas cripto ao longo do tempo.

Modelo de token duplo: alinhar incentivos com XL1

Levin disse que o sistema de token duplo foi concebido para separar as recompensas/se segurança do ecossistema dos custos de atividade na cadeia. “Estamos extremamente entusiasmados com este sistema de token duplo”, disse ele, descrevendo o $XYO como o ativo externo de staking/governação/segurança e o $XL1 como o token interno de gas/transações usado na XYO Layer One.

Parceiros do mundo real: cobrar infraestruturas e dados POI de nível de mapeamento

Levin apontou novas parcerias como uma dinâmica inicial de “killer app” no ecossistema DePIN mais amplo, citando um acordo com a Piggycell — uma grande rede de carregamento sul-coreana que precisa de prova de localização e planeia tokenizar dados na XYO Layer One.

Ele também descreveu um caso de uso separado de prova de localização envolvendo conjuntos de dados de pontos de interesse (horas, fotos, informações do local), afirmando que um grande parceiro de geolocalização encontrou problemas no seu próprio conjunto de dados “em 60% dos casos”, enquanto os dados fornecidos pela XYO eram “99,9% corretos”, permitindo mapeamento a jusante para grandes empresas.

No conjunto, a mensagem de Levin foi consistente: se a IA e as RWAs precisam de entradas fiáveis, a próxima fronteira competitiva pode ter menos a ver com modelos mais rápidos — e mais com pipelines de dados verificáveis ancorados no mundo real.