Маркус Левин из XY0: Почему нативный для данных L1 может стать основой «доказательства происхождения» для ИИ

В последнем выпуске SlateCast сооснователь XYO Маркус Левин присоединился к ведущим CryptoSlate, чтобы разобрать, почему децентрализованные сети физической инфраструктуры (DePIN) выходят за рамки узких экспериментов — и почему XYO построила специализированный Layer-1 для обработки того типа данных, который все чаще требуется для ИИ и реальных прикладных сценариев.

Амбиции Левина для сети сформулированы прямо: «Во-первых, я думаю, у XYO будет восемь миллиардов нод», — сказал он, назвав это целью «с запасом», но такой, которая, по его мнению, соответствует тому, куда движется эта категория.

Тезис DePIN «в каждый угол мира»

Левин представил DePIN как структурный сдвиг в том, как рынки координируют физическую инфраструктуру, указав на ожидания быстрого роста в этом секторе. Он сослался на прогноз Всемирного экономического форума, согласно которому DePIN может вырасти с примерно десятков миллиардов сегодня до триллионов к 2028 году.

Для XYO масштаб — не гипотеза. Один из ведущих отметил, что сеть выросла «более чем до 10 миллионов нод», задав основу для разговора, который будет меньше про «а что если» и больше про то, что ломается, когда объем данных из реального мира становится продуктом.

Доказательство происхождения для ИИ: проблема данных, а не только вычислений

Говоря о deepfake и коллапсе доверия к медиа, Левин утверждал, что узкое место ИИ — это не только вычисления, а происхождение данных. «В то время как DePIN, то, что вы можете сделать, — это вы можете, э-э, доказать, откуда берутся данные», — сказал он, описав модель, в которой данные могут быть подтверждены end-to-end, прослежены в обучающих конвейерах и запрошены, когда системам нужна проверяемая достоверность.

По его мнению, происхождение создает цикл обратной связи: если модель обвиняют в галлюцинациях, она может проверить, подтверждаемы ли исходные входные данные по источнику, — или запросить новые, конкретные данные в децентрализованной сети, а не заниматься сбором ненадежных источников.

Почему важен Layer-1, ориентированный на данные

XYO годами пыталась не строить цепочку, сказал Левин — работая как middleware между сигналами реального мира и смарт-контрактами. Но «никто не сделал это», и объем данных сети вынудил решить этот вопрос.

Он объяснил цель дизайна просто: «Блокчейн не может раздуваться… и он по-настоящему создан для данных».

Подход XYO строится на механизмах вроде Proof of Perfect и «lookback»-ограничений, предназначенных для того, чтобы требования к нодам оставались легкими даже по мере роста наборов данных.

COIN onboarding: превращение не-крипто пользователей в ноды

Ключевым рычагом роста стало приложение COIN, которое Левин описал как способ превратить мобильные телефоны в ноды сети XYO.

Вместо того чтобы загонять пользователей в немедленную волатильность токенов, приложение использует привязанные к доллару баллы и более широкие варианты погашения — а затем со временем переводит пользователей в крипто-каналы.

Двойная модель токенов: согласование стимулов с XL1

Левин сказал, что система двойных токенов разработана, чтобы отделить вознаграждения экосистемы/безопасность от затрат на активность в цепочке. «Мы крайне рады этой системе двойных токенов», — сказал он, описав $XYO как внешний стейкинг/управленческий/защитный актив, а $XL1 — как внутренний токен газа/транзакций, используемый в XYO Layer One.

Партнеры в реальном мире: инфраструктура зарядки и POI-данные уровня «mapping»

Левин указал на новые партнерства как на ранний «killer app»-импульс внутри более широкой экосистемы DePIN, сославшись на сделку с Piggycell — крупной южнокорейской сетью зарядных станций, которой нужны доказательства местоположения, и которая планирует токенизировать данные на XYO Layer One.

Также он описал отдельный use case доказательства местоположения с участием наборов данных point-of-interest (часы, фото, информация о площадках), заявив, что один из крупных партнеров по геолокации обнаружил проблемы в собственном наборе данных «в 60% случаев», тогда как данные, полученные из XYO, были «на 99,9% точными», что позволяет выполнять downstream-картографирование для крупных предприятий.

Вместе сообщение Левина было последовательным: если ИИ и RWAs нуждаются в надежных входных данных, следующая конкурентная граница, возможно, будет менее связана с более быстрыми моделями — и больше с проверяемыми конвейерами данных, закрепленными в реальном мире.