Do the organizations, evaluating new AI models, have extrapolations showing the time point when AI performance will be better than all of humanity?

 

Yes, several organizations, researchers, and AI safety labs evaluating new AI models have developed extrapolations suggesting AI could outperform humanity in most or all cognitive tasks within this decade, with some estimates pointing toward 2026–2028.

 

 These projections are often based on the trend of rapid improvements in AI reasoning, coding, and agentic capabilities, which indicate AI systems could soon automate complex, long-horizon tasks.

 

Key Organizations and Extrapolations

 

    METR (Model Evaluation and Threat Research): METR, which specializes in evaluating frontier AI agents, has highlighted a rapid, exponential trend in the "time horizon" of AI capabilities (how long a task takes a human expert to complete, which AI can now manage reliably). Extrapolations from their RE-Bench benchmark suggest that by late 2028–2031, AI could automate many tasks that currently take humans a month.

 

    Anthropic: In early 2023, researchers at Anthropic suggested that if current scaling trends (larger models, more compute) hold, simple extrapolations show AI systems could match or exceed human-level performance at most intellectual tasks within the next decade.

    AI Futures Project (and similar forecasts): Researchers associated with organizations like the AI Futures Project have authored scenarios ("AI 2027") predicting that AI systems will become fully autonomous agents better than humans at everything by late 2027 or 2028, largely by automating AI research itself.

 

    Lab Leadership Estimates: Leaders of major AI labs have suggested shortened timelines. Anthropic CEO Dario Amodei previously mentioned a "human-level" AI could be developed within 2-3 years (from 2024), while OpenAI CEO Sam Altman has indicated AGI could be reached within 4-5 years. They get money for producing the hype so their projections should be considere with a pound of salt.

 

    Stanford AI Index (2025): The 2025 report indicates AI is rapidly surpassing human performance across critical benchmarks, with steep gains in 2022-2024, closing the gap in high-level math, visual reasoning, and PhD-level science.

 

Key Milestones in the Projections

 

    2026: Widespread integration and models that match human expert performance on many tasks.

 

    2027–2028: Potential for AI to reach "superintelligence" or become better than humans at all, or most, tasks, driven by agentic AI that can perform AI research.

 

    50% Probability: A large survey of machine learning researchers estimated a 50% chance of AI outperforming humans in all tasks by roughly 45 years (from a 2017 survey), but recent surveys (2023–2024) have seen these timelines compressed significantly toward the 2030s–2040s.

 

Uncertainties and Skepticism

 

While these forecasts are widely discussed, they are not universally accepted.

 

    The "Messy Task" Limitation: While AI excels at well-defined, short-term tasks, it still struggles with "messier," high-context, long-horizon tasks.

    Validation Gaps: Independent testers, such as for the "Humanity's Last Exam" (HLE) benchmark, have found that reported AI capabilities can be inflated, with models often performing lower than companies claim.

    Skepticism of Scaling: Critics, such as researchers at the Allen Institute for Artificial Intelligence, argue that current forecasts often rely on "fictional scenarios" rather than grounded scientific evidence and that scaling may encounter bottlenecks.

Kaip aukštai gali pakilti „Nvidia“?

„Technologijų pasaulyje nedaug įvykių yra taip laukiami kaip Jenseno Huango kalba metinėje „Nvidia“ kūrėjų konferencijoje. Ir šių metų susitikime San Chosė kovo 16 d. jo kalba nenuvylė. Per dvi valandas vertingiausios pasaulio bendrovės vadovas pristatė naujus lustus, dirbtinio intelekto modelius ir sistemas viskam – nuo ​​kosminių duomenų centrų iki savaeigių automobilių. Jis teigė, kad šis naujų produktų asortimentas padės „Nvidia“ ateinančiais metais parduoti su dirbtiniu intelektu susijusios įrangos už daugiau nei 1 trilijoną dolerių.

 

Inžinierių reakcija buvo entuziastinga. Investuotojų – atsargi. Augo abejonės dėl dirbtinio intelekto bumo tvarumo. O „Nvidia“, didžiausia išlaidų šuolio naudos gavėja, tapo šių rūpesčių žaibolaidžiu. Vasario 25 d. įmonė pranešė apie rekordinį ketvirčio pelną ir prognozavo stiprų augimą. Tačiau kitą dieną jos akcijų kaina krito. Nuo spalio mėnesio piko ji sumažėjo apie 13 %, nors Amerikos lustų gamintojų indeksas pakilo apie 6 %.

 

Toks pesimistiškas požiūris žymi „Nvidia“ likimo pokytį. Bendrovės grafikos procesoriai (GPU) – dirbtinio intelekto modeliuose naudojami puslaidininkiai – sudaro daugiau nei du trečdalius visos pasaulyje esančių dirbtinio intelekto lustų apdorojimo galios. Per metus iki sausio mėnesio bendrovė uždirbo 216 mlrd. JAV dolerių pajamų – aštuonis kartus daugiau nei prieš trejus metus. „Nvidia“ prireikė beveik trijų dešimtmečių, kad pasiektų 1 trilijono JAV dolerių rinkos vertę; vos po dvejų metų ji šoktelėjo iki 4 trilijonų JAV dolerių. Po keturių mėnesių ji trumpam viršijo 5 trilijonų JAV dolerių ribą.

 

 

Kiek aukštai „Nvidia“ gali pakilti? Daug aukščiau, jei tikėti ponu Huangu. Jis teigė, kad šimtai milijardų dolerių, iki šiol išleistų dirbtinio intelekto infrastruktūrai, yra tik pradžia ir kad seks dar „trilijonai“. Be to, „Nvidia“ turi išteklių pasinaudoti šia galimybe. Jos laisvas pinigų srautas yra didesnis nei kitų technologijų gigantų (žr. 1 grafiką). Bendrovė turi daugiau nei 62 mlrd. JAV dolerių grynaisiais, trečdalį jų uždirbo per pastaruosius metus.

 

 

Todėl ponas Huangas planuoja paversti „Nvidia“ „pamatine bendrove“, ant kurios gyvens dirbtinio intelekto ekonomika. lieka. Tai reiškia skirtingų tipų lustų ir aparatinės įrangos pardavimą, produktų sujungimą į išbaigtas dirbtinio intelekto sistemas ir gilesnį „Nvidia“ technologijų integravimą į skirtingas pramonės šakas. Trumpai tariant, „Nvidia“ tampa daug daugiau nei dirbtinio intelekto lustų gamintoja.

 

Transformacija reikalinga iš dalies todėl, kad „Nvidia“ sėkmė pritraukė konkurentų. Kai kurie yra įprasti konkurentai, pavyzdžiui, AMD, amerikiečių lustų gamintoja, išleidusi tinkamas alternatyvas „Nvidia“ GPU. Kiti yra startuoliai, ieškantys šnipinėjimo galimybių. Nauji lustų dizainai tampa komerciškai perspektyvūs, nes auga išvadų (dirbtinio intelekto modelių, atsakančių į užklausas) poreikis, o šis procesas kelia kitokius reikalavimus lustams nei mokymas. Pasak duomenų įmonės „PitchBook“, jaunos lustų įmonės 2025 m. surinko 17 mlrd. USD, daugiau nei per pastaruosius dvejus metus kartu sudėjus.

 

Tačiau didžiausi konkurentai yra „Nvidia“ klientai. Hiperskalės gamintojai – „Alphabet“, „Amazon“, „Microsoft“ ir „Meta“ – kurie visi savo verslui vykdyti naudojasi daugybe duomenų centrų, perka didžiulius kiekius jos lustų. Paskutiniais finansiniais metais tik trys iš šių hiperskalės gamintojų sudarė daugiau nei pusę „Nvidia“ gautinų sumų, skolų, bet dar neapmokėtų. mokama. Vis dėlto tos pačios įmonės taip pat kuria savo procesorius. Tai gali sumažinti dirbtinio intelekto lustų kainą daugiau nei perpus, tuo pačiu pagerinant našumą, pritaikant aparatinę įrangą prie jose veikiančios programinės įrangos.

 

 

Nepalanki geopolitinė padėtis paskatino konkurentus užsienyje. Nuo 2022 m. spalio mėn. Amerikos vyriausybė uždraudė „Nvidia“ parduoti pažangiausius lustus Kinijai. Pardavimai smarkiai sulėtėjo. Tarpininkas Bernsteinas teigia, kad vietiniai tiekėjai, tokie kaip „Huawei“, „Cambricon“ ir „MetaX“, gali išaugti nuo mažiau nei penktadalio Kinijos dirbtinio intelekto lustų rinkos 2023 m. iki daugiau nei devynių dešimtųjų iki 2027 m. Jay Goldbergas iš analitikų įmonės „Seaport Research Partners“ pažymi, kad grėsmė gali peržengti Kinijos ribas. Naujieji konkurentai gali negaminti tokių galingų lustų kaip „Nvidia“, tačiau kai kuriose rinkose „pakankamai geri“ gali pasirodyti pakankamai geri.

 

 

Viskas, visur ir vienu metu

 

 

„Nvidia“ atsakas – plėstis visomis kryptimis. Ponas Huangas palygino dirbtinio intelekto pramonę su „penkių sluoksnių tortu“: energija, lustai, tinklo infrastruktūra, modeliai ir programos. „Nvidia“ ketina atsiimti kąsnelius iš trijų iš penki sluoksniai.

 

Užkariavusi GPU rinką, įmonė planuoja pardavinėti įvairių tipų lustus. Gruodžio mėnesį „Nvidia“ sumokėjo 20 mlrd. dolerių už technologijos licenciją ir inžinierių samdymą iš „Groq“, startuolio, kuris specializuojasi išvadų lustuose. Kovo 16 d. įmonė pristatė naują lustą, kuriame panaudota startuolio patirtis. Ji taip pat plečiasi į centrinių procesorių (CPU) rinką – tai bendrosios paskirties lustų tipas. Šioje srityje ilgą laiką dominavo sunkumų patirianti milžinė „Intel“. „Nvidia“ jau gamina procesorius, naudodama britų įmonės „Arm“ dizainą, kurie naudojami jos dirbtinio intelekto serveriuose. Dabar ji planuoja juos pardavinėti plačiau. Vasario mėnesį „Nvidia“ sudarė sutartį su „Meta“ dėl CPU-o tiekimo serveriams tik iš CPU.

 

„Nvidia“ investuoja ir į kitus lygmenis. Dirbtinio intelekto sistemoms plečiantis, duomenų perkėlimas tarp procesorių tapo toks pat svarbus, kaip ir patys procesoriai. Įmonė daug investuoja į tinklo įrangą – technologiją, kuri sujungia lustus. Paskutinį ketvirtį ši veikla uždirbo 11 mlrd. USD pajamų, todėl „Nvidia“ yra viena didžiausių žaidėjų šioje srityje.

 

Modelių kūrimas yra trečiasis lygmuo. „Nvidia“ išleido keletą atvirojo kodo dirbtinio intelekto modelių šeimų. Jos yra specializuotos ir skirtos konkrečioms pramonės šakoms. Tai apima „Alpamayo“ savaeigiams automobiliams, „GR00T“ robotikai ir „BioNeMo“ biomedicininiams tyrimams. Jie dažnai užima aukštas vietas atvirojo kodo dirbtinio intelekto lyderių lentelėse. „Nvidia“ planuoja investuoti milijardus, kad išplėstų savo galimybes šiame lygmenyje.

 

Viena iš priežasčių, kodėl bendrovė turi „pilną lygmenį“, kaip Silicio slėnis vadina vertikalią integraciją, yra ta, kad jis palengvina skirtingų lygmenų koordinavimą. Glaudžiai susiedama lustus, duomenų centro įrangą ir modelius, bendrovė teigia, kad gali išgauti geresnį našumą nei kuriant kiekvieną dalį atskirai. Ponas Huangas palygino dirbtinio intelekto sistemų kūrimą be integracijos su „per daug kačių ir šunų“ sujungimu.

 

Tai taip pat reiškia, kad „Nvidia“ gali parduoti savo aparatinę įrangą paketais. Vis dažniau bendrovė savo produktus apibūdina ne kaip lustus, o kaip „DI gamyklų“ komponentus – tai specializuotų DI duomenų centrų pavadinimas. Kai kurios iš šių gamyklų parduodamos tiesiogiai vyriausybėms, prisidengiant „suvereniu DI“ – valstybės vadovaujamų pastangų kurti vidaus DI infrastruktūrą ženklu. Pajamos iš suverenio DI praėjusiais finansiniais metais patrigubėjo ir pasiekė daugiau nei 30 mlrd. USD, tai sudaro apie 15 % „Nvidia“ DI pardavimų.

 

Bendrovė taip pat stengiasi mažiau pasikliauti hiperskalintojais, kurie dominuoja jos klientų sąraše. Vienas iš būdų – giliau įsitvirtinti pramonėje.

 

Automobilių gamyboje „Mercedes-Benz“ netrukus pristatys transporto priemones, aprūpintas „Nvidia“ autonominėmis sistemomis.

 

Farmacijos srityje „Eli Lilly“ naudoja „Nvidia“ infrastruktūrą ir modelius, kad paspartintų vaistų atradimą.

 

„Nvidia“ vadovas Dionas Harrisas teigia, kad tikslas – glaudžiau bendradarbiauti su galutiniais klientais, tokiais kaip „Lilly“ ir „Mercedes“, siekiant suprasti jų poreikius ir formuoti kitą DI bangą. Tačiau „Nvidia“ nėra vienintelė, teigianti, kad glaudžiai bendradarbiauja su klientais. Tokie žingsniai priveda įmonę prie susidūrimo su panašias paslaugas siūlančiais hiperskalės operatoriais.

 

 

Lustų išdėstymas

 

 

Kitas būdas – sukurti paklausą investicijomis. Teigiama, kad „Nvidia“ remiamos įmonės yra labiau linkusios pirkti jos lustus. Todėl įmonė dabar yra viena produktyviausių Silicio slėnio investuotojų. Nuo 2020 m. ji atliko apie 200 investicijų, kurių vertė viršija 65 mlrd. JAV dolerių (žr. 2 grafiką). Tai apima tokias dideles investicijas kaip 30 mlrd. JAV dolerių investicija į „OpenAI“, taip pat mažas investicijas į robotikos, programinės įrangos ir dirbtinio intelekto programų įmones.

 

 

Įmonės investicijos taip pat padeda užtikrinti jos tiekimo grandinės saugumą. Šių metų kovą „Nvidia“ investavo daugiau nei 4 mlrd. JAV dolerių į įmones, kuriančias optinius sujungimus, kurie duomenims perduoti naudoja šviesą, o ne laidus. Dauguma dirbtinio intelekto duomenų centrų vis dar naudoja varinius kabelius savo įrangai sujungti. „Nvidia“ statymas rodo, kad tikimasi, jog optiniai ryšiai taps vis svarbesni. Konsultacinės įmonės „Creative Strategies“ atstovas Benas Bajarinas šią strategiją lygina su ankstyvaisiais „Apple“ žingsniais link pagrindinių „iPod“ komponentų.

 

 

„Nvidia“ naudoja savo pinigų atsargas, kad sustiprintų kitas savo tiekimo grandinės dalis. Puslaidininkių pramonėje, išaugus paklausai, gali atsirasti trūkumas. Pažangios atminties, kuri yra labai svarbi dirbtinio intelekto lustams, atsargos šiems ir daugeliui kitų metų jau išparduotos. „Nvidia“ didžiąją dalį atminties, kurios jai reikės šiais metais, o dalį kitų metų – gerokai iš anksto.

 

 

Niekas iš to negarantuoja tolesnio „Nvidia“ dominavimo. Konkurentai gali sumažinti jos pelno maržas. Pramonės perėjimas nuo mokymo modelių prie jų eksploatavimo gali būti palankesnis kitų tiekėjų lustams. O jei išlaidos dirbtiniam intelektui sumažės, pardavimai gali smarkiai sulėtėti. Tačiau kol kas dirbtinio intelekto amžiaus čempionas išlieka dominuojantis ir, regis, siekia plėsti savo imperiją.“ [1]

 

1. Space Nvader. The Economist; London Vol. 458, Iss. 9491,  (Mar 21, 2026): 59, 60.

How high can Nvidia climb?

 

“In the world of tech few events are as keenly awaited as Jensen Huang’s speech at Nvidia’s annual developer conference. And at this year’s gathering in San Jose on March 16th his talk did not disappoint. Over two hours, the boss of the world’s most valuable company unveiled new chips, artificial-intelligence models and systems for everything from space-based data centres to self-driving cars. He went on to claim that this array of new products will help Nvidia sell over $1trn-worth of AI-related hardware in the coming years.

 

Among engineers, the reaction was enthusiastic. Among investors, it was guarded. Doubts have grown about the durability of the AI boom. And Nvidia, the biggest beneficiary of the spending surge, has become a lightning rod for those concerns. On February 25th the firm reported record quarterly profits and forecast strong growth. Yet its share price fell the next day. Since peaking in October it has dropped by about 13%, even as an index of American chipmakers has risen by around 6%.

 

Such bearishness marks a change to Nvidia’s fortunes. The company’s graphics processing units (GPUs), the workhorse semiconductors used by AI models, account for over two-thirds of the total processing power available on the world’s AI chips. In the year to January the firm generated $216bn in revenue, eight times what it made three years earlier. It took nearly three decades for Nvidia to reach a market value of $1trn; it vaulted to $4trn barely two years later. Four months after that it briefly surpassed $5trn.

 

How high can Nvidia climb? Much higher, if Mr Huang is to be believed. He has claimed that the hundreds of billions of dollars spent so far on AI infrastructure are just the start and that “trillions” more will follow. What is more, Nvidia has the resources to exploit the opportunity. Its free cashflow is greater than those of the other tech giants (see chart 1). The firm holds more than $62bn in cash, a third of it generated in the past year.

 

Mr Huang therefore plans to change Nvidia into a “foundational company” on which the AI economy rests. That means selling different types of chips and hardware, bundling products into complete AI systems and embedding Nvidia’s technology more deeply into different industries. In short, Nvidia is becoming much more than an ai chipmaker.

 

The transformation is needed partly because Nvidia’s success has attracted competitors. Some are conventional rivals, such as AMD, an American chipmaker that has released decent alternatives to Nvidia’s GPUs. Others are startups spying opportunities. New chip designs are become commercially viable because the need for inference (AI models answering queries) is growing, and the process places a different set of demands on chips from training. According to PitchBook, a data firm, young chip firms raised $17bn in 2025, more than in the previous two years combined.

 

But the most formidable challengers are Nvidia’s customers. The hyperscalers—Alphabet, Amazon, Microsoft and Meta—which all rely on vast numbers of data centres to run their businesses, buy huge quantities of its chips. In the latest financial year just three of these hyperscalers accounted for over half of Nvidia’s receivables, money owed but not yet paid. Yet these same firms are also designing their own processors. This can slash the cost of AI chips by more than half, while improving performance by tailoring hardware to the software that runs on it.

 

Souring geopolitics has encouraged rivals abroad. Since October 2022 America’s government has barred Nvidia from selling its most advanced chips to China. Sales have slowed dramatically. Bernstein, a broker, says local suppliers such as Huawei, Cambricon and MetaX could grow from less than a fifth of China’s AI-chip market in 2023 to more than nine-tenths by 2027. Jay Goldberg of Seaport Research Partners, a firm of analysts, notes that the threat may extend beyond China. The new rivals may not produce chips as powerful as Nvidia’s, but in some markets “good enough” could prove good enough.

 

Everything, everywhere all at once

 

Nvidia’s response is to expand in all directions. Mr Huang has compared the AI industry to a “five-layer cake”: energy, chips, networking infrastructure, models and applications. Nvidia intends to take bites out of three of the five layers.

 

Having conquered the market for GPUs, the firm plans to sell different types of chips. In December Nvidia paid $20bn to license technology and hire engineers from Groq, a startup specialising in inference chips. On March 16th the company unveiled a new chip using the startup’s knowhow. It is also pushing into central processing units (CPUs), a type of general-purpose chip. This is an area long dominated by Intel, a beleaguered giant. Nvidia already builds CPUs using designs from Arm, a British firm, which are used in its AI servers. Now it plans to sell them more broadly. In February Nvidia struck a deal with Meta to supply CPU-only servers.

 

Nvidia is also investing in other layers. As AI systems scale, moving data between processors has become as important as the processors themselves. The firm is betting heavily on networking equipment, the technology that links chips together. In its most recent quarter this business generated $11bn in revenue, making Nvidia one of the largest players in the field.

 

Model-making is the third layer. Nvidia has released several families of open-source AI models. These are specialised and aimed at specific industries. That includes Alpamayo for self-driving cars, GR00T for robotics and BioNeMo for biomedical research. They often rank highly on open-source AI leaderboards. Nvidia plans to invest billions to expand its capabilities in this layer of the stack.

 

One reason for owning the “full stack”, as Silicon Valley calls vertical integration, is that it makes it easier to co-ordinate the different layers. By tightly linking chips, data-centre equipment and models, the company says it can extract better performance than by each part being designed separately. Mr Huang has compared building AI systems without integration to connecting “too many cats and dogs”.

 

It also means Nvidia can sell its hardware in bundles. Increasingly the company describes its products not as chips but as components of “AI factories”, its term for specialised AI data centres. Some of these factories are being sold directly to governments under the banner of “sovereign AI”, the label for state-led efforts to build domestic AI infrastructure. Revenue from sovereign AI tripled last fiscal year to more than $30bn, about 15% of Nvidia’s AI sales.

 

The company is also trying to rely less on the hyperscalers that dominate its customer list. One approach is to push deeper into industry.

 

 In carmaking, Mercedes-Benz will soon ship vehicles equipped with Nvidia’s self-driving systems.

 

In pharmaceuticals, Eli Lilly uses Nvidia’s infrastructure and models to accelerate drug discovery.

 

Dion Harris, an Nvidia executive, says the aim is to work more closely with end customers, such as Lilly and Mercedes, to understand their needs and shape the next wave of AI. But Nvidia is not the only one to say it is working closely with clients. Such moves put the firm on a collision course with the hyperscalers, which offer similar services.

 

Placing their chips

 

Another approach is to create demand through its investments. Nvidia-backed firms, the idea goes, are more likely to buy its chips. Thus the firm is now one of Silicon Valley’s most prolific investors. Since 2020 it has made some 200 investments, committing over $65bn (see chart 2). That includes such big bets as a $30bn investment in OpenAI, and small ones on firms in robotics, software and AI applications.

 

The firm’s investments also help to secure its supply chain. This March Nvidia put more than $4bn into companies developing optical interconnects, which use light to transfer data rather than wires. Most AI data centres still rely on copper cables to link their equipment. Nvidia’s bet suggests it expects optical connections to become increasingly important. Ben Bajarin of Creative Strategies, a consultancy, compares the strategy to Apple’s early moves to corner components for the iPod.

 

Nvidia is using its cash pile to strengthen other parts of its supply chain. The semiconductor industry is prone to shortages when demand surges. Supplies of advanced memory—critical for AI chips—are already sold out for this year and for much of next. Nvidia bought most of the memory it will need this year, and part of next, well in advance.

 

None of this ensures Nvidia’s continued dominance. Rivals may erode its margins. The industry’s shift from training models to running them may favour chips from other vendors. And if AI spending cools, sales could slow sharply. But for now, the champion of the AI age remains dominant—and seems intent on expanding its empire.” [1]

 

1. Space Nvader. The Economist; London Vol. 458, Iss. 9491,  (Mar 21, 2026): 59, 60.

Kodavimas prieš mašiną

„Šių metų kasmetinis Indijos IT įmonių susibūrimas, vykęs praėjusį mėnesį Mumbajuje, buvo kontrastų tyrimas. Pramonės organizacijos „Nasscom“ prezidentas gyrė naują pardavimų rekordą: tikimasi, kad jos narių bendros pajamos per metus iki kovo mėnesio viršys 315 mlrd. JAV dolerių, t. y. 6 % daugiau nei ankstesniais metais. Tačiau delegatai, atitraukę akis nuo scenos ir žvilgčiojantys į savo telefonus, pamatys akcijų kainų kritimą. „Nifty IT“ indeksas sumažėjo maždaug penktadaliu po virusinio tinklaraščio įrašo, kuriame buvo įsivaizduota, kad naujos dirbtinio intelekto kodavimo priemonės visiškai sunaikins pramonę (žr. grafiką).

 

Niūrumo priežastys akivaizdžios. Dešimtmečius pramonė pelnėsi iš darbo arbitražo: programuotojo samdymo kaina Punėje, vakarų Indijos mieste, yra tik dalis, palyginti su jo samdymu Pasadenoje, Kalifornijos priemiestyje. Tai nebuvo tik programinės įrangos inžinieriai: skambučių centrų ir duomenų įvedimo darbai taip pat buvo perkelti į Indiją. Tokios IT konsultacijų įmonės kaip „Infosys“ ir „Tata Consultancy Services“ (tcs) didžiąją dalį savo pajamų gauna teikdamos klientams daugybę Indijos programuotojų, kurie atlieka daug darbo reikalaujančias užduotis, tokias kaip programinės įrangos priežiūra, atsakinėjimas į pagalbos užklausas ir įprasto kodo rašymas.

 

Tačiau dabar yra dar pigesnė alternatyva: DI agentas. „Claude Code“, „Anthropic“ įrankis, gali per kelias minutes sukurti programinės įrangos prototipą. Kad jis veiktų efektyviai ir saugiai, reikia gilesnių techninių žinių. Jei vienas kvalifikuotas kūrėjas, apsiginklavęs Claude'u, gali atlikti kelių darbą, įmonėms gali prireikti mažiau programuotojų, kuriuos teikia „Infosys“ ir „tcs“.

 

Tačiau iki šiol prognozės, kad masinė programavimo automatizacija paliks užsakomųjų paslaugų įmones pasenusias, atrodo perdėtos. Jų klientai dažnai tikisi, kad DI sukurs didžiulį produktyvumo padidėjimą, pavyzdžiui, naudodamas technologiją greitai ir pigiai sukurti naują vidinį HR įrankį. Tačiau toks produktyvumo pagerėjimas įmanomas tik „žalio lauko“ aplinkoje su „švaria architektūra“, teigia Atul Soneja, IT įmonės „Tech Mahindra“ vyriausiasis operacijų vadovas.

 

DI diegimas „apleisto lauko“ aplinkoje – su senu kodu, dokumentacijos trūkumu ir keliomis sistemomis, kurios turi visos toliau veikti realiuoju laiku – yra daug sudėtingiau.

 

Galiausiai klientai dažnai supranta, kad jų DI svajonės buvo pernelyg ambicingos, ir samdo tiek pat užsakomųjų programuotojų, kiek anksčiau, sako vadovai.

 

Be to, DI bumas gali atverti galimybes Indijos užsakomųjų paslaugų teikėjų konsultavimo padaliniams. Jie teigia, kad dabar gali atlikti strategiškesnį vaidmenį savo klientams: norint kuo geriau išnaudoti DI, reikia suprasti visą problemos kontekstą, ką gali pasiūlyti konsultantai, turintys patirties įvairiose įmonėse. Nandanas Nilekani, vienas iš „Infosys“ įkūrėjų, mano, kad tokios su DI susijusios paslaugos iki 2030 m. galėtų būti vertos 300–400 mlrd. JAV dolerių.

 

Jauliai turi duomenų savo pusėje. Naujausi užsakomųjų paslaugų teikėjų rezultatai buvo šiek tiek geresni, nei tikėtasi. tcs pranešė, kad per tris mėnesius iki sausio mėnesio su DI susiję pardavimai, palyginti su ankstesniu ketvirčiu, išaugo 17 % ir sudarė 6 % visų pajamų. Pastaraisiais metais tcs darbuotojų skaičius sumažėjo, tačiau pas konkurentus išaugo, nepaisant automatizavimo galimybės. Ataskaitoje teigiama Banko HSBC atstovas Yogesh Aggarwal pažymi, kad yra nedaug „apčiuopiamų atvejų tyrimų, patvirtinančių teiginius apie dirbtinio intelekto įtaką tradicinei programinei įrangai“.

 

Vadinamieji pasauliniai pajėgumų centrai (GCC) yra kita šio vaizdo dalis. Iš esmės tai yra vienai įmonei, pavyzdžiui, „Lululemon“ ar „Wells Fargo“, skirtos užsakomųjų paslaugų teikimo įmonės, kuriose dirba daug daugiau Indijos technologijų darbuotojų nei IT konsultantų. Jų iškilimas atspindi faktą, kad beveik kiekviena įmonė dabar savo technologijas laiko pagrindine savo verslo dalimi. Jei įmonės, pasitelkdamos agentų įrankius, daugiau programavimo darbų atliktų pačios, tai vis tiek galėtų būti naudinga Indijos IT pramonei. Daugelis IT konsultantų siūlo su GCC susijusias paslaugas, pavyzdžiui, padėdami įmonėms juos įkurti.

 

Nuo pat „ChatGPT“ debiuto 2022 m. lapkritį Indijos užsakomųjų paslaugų teikėjai buvo laikomi vienu iš sektorių, labiausiai pažeidžiamų dirbtinio intelekto išstūmimo. Tačiau po daugiau nei trejų metų žadėtas pokytis dar neatėjo. Pajamos auga, o samda tęsiasi. Vis dėlto šis sektorius puikiai atspindi dirbtinio intelekto poveikį verslui. Technologijos vis dar gali apversti pramonę aukštyn kojomis, tačiau kol kas jų poveikis neaiškus ir netolygus.“ [1]

 

1. Coding against the machine. The Economist; London Vol. 458, Iss. 9491,  (Mar 21, 2026): 65.

Coding against the machine

“This year’s edition of the annual jamboree for Indian IT firms, held last month in Mumbai, was a study in contrasts. The president of Nasscom, the industry body, hailed a new sales record: it expects that its members will have enjoyed combined revenue of more than $315bn in the year to March, up by 6% on the year before. Yet delegates tearing their eyes from the stage and glancing at their phones would see share prices plunging. The Nifty IT index dropped by around a fifth following a viral blogpost that imagined new artificial-intelligence coding tools would wipe the industry out altogether (see chart).

 

The case for gloom is obvious. For decades the industry has profited from labour arbitrage: the cost of hiring a coder in Pune, a city in western India, is a fraction of hiring one in Pasadena, a Californian suburb. It wasn’t just software engineers: call-centre and data-entry jobs were outsourced to India, too. IT consulting firms such as Infosys and Tata Consultancy Services (tcs) derive much of their revenue by providing customers with armies of Indian coders who perform labour-intensive tasks such as maintaining software, answering support tickets and writing routine code.

 

Now, however, there is an even cheaper alternative: an AI agent. Claude Code, a tool from Anthropic, can put together a prototype of a software application in minutes. Making it run efficiently and securely requires deeper technical knowledge. If one skilled developer armed with Claude can do the work of several, then businesses may find themselves with less need for the coders that Infosys and tcs provide.

 

So far, however, the predictions that the mass automation of coding will leave outsourcing firms obsolete seem overblown. Their clients often hope AI will create huge productivity gains by, for example, using the technology to quickly and cheaply build a new internal HR tool. But such improvements in productivity are only possible in “greenfield” environments with “clean architecture”, argues Atul Soneja, chief operating officer at Tech Mahindra, an IT firm.

 

Deploying AI in “brownfield” environments—with legacy code, a lack of documentation and multiple systems that must all continue to operate in real time—is far trickier.

 

In the end, clients often realise that their AI dreams were too ambitious and end up hiring as many outsourced coders as before, say executives.

 

What is more, the AI boom may present an opportunity for the consultancy arms of India’s outsourcers. They argue that they can now fulfil more of a strategic role for their clients: getting the most out of AI requires understanding all of the context around the problem, something that consultants with experience across businesses can offer. Nandan Nilekani, one of the founders of Infosys, reckons that such services related to AI could be worth $300bn-400bn by 2030.

 

The bulls have data on their side. The most recent results for the outsourcers were slightly better than expected. tcs reported that in the three months to January AI-related sales rose by 17% on the previous quarter, making up 6% of total revenue. Headcount has fallen at tcs but risen at its competitors in recent years, despite the possibility of automation. A report by Yogesh Aggarwal of HSBC, a bank, notes that there are few “tangible case studies to support claims of AI cannibalisation of traditional software”.

 

So-called global capability centres (GCCs) are another part of the picture. In essence, these are outsourcing arms dedicated to a single company, such as Lululemon or Wells Fargo, and employ far more of India’s tech workers than the IT consultants do. Their rise reflects the fact that nearly every company now sees its technology as core to its business. If companies do more of their coding in-house, aided by agentic tools, that may still benefit India’s it industry. Many IT consultants offer services linked to GCCs, helping businesses set them up, for instance.

 

From the moment ChatGPT made its debut in November 2022, Indian outsourcers have been pegged as one of the sectors most exposed to displacement by ai. More than three years on, though, the promised disruption has not arrived. Revenues are growing, and hiring continues. Yet the sector nonetheless encapsulates the effect of ai on business. The technology may still upend the industry, but so far its effect is unclear and uneven.” [1]

 

1. Coding against the machine. The Economist; London Vol. 458, Iss. 9491,  (Mar 21, 2026): 65.

Vejantis saulę - branduolių sintezė

„Kuafu legenda yra kinų mitologijos klasika. Galingas milžinas, apsivyniojęs rankomis pitonais, dienų dienas bėgioja per kalvas ir slėnius, vydamasis saulę, kuri nudegino jo žmones. Jo herakliškos pastangos šiandien tapo tyrinėjimų ir drąsos simboliu; Kinija jo vardu pavadino įvairius technologinius pasiekimus, įskaitant savo saulės zondą ir pažangų humanoidinį robotą. Dar tinkamiau, jo siekis tapo Kinijos branduolių sintezės ambicijų simboliu.

 

Taigi, su Kuafu būdingu entuziazmu 1500 fizikų, inžinierių ir branduolių sintezės entuziastų neseniai susirinko Hefėjaus mieste, tyrimų centre, kuriame Kinija stato savo degančios plazmos eksperimentinį superlaidųjį tokamaką (BEST) – naujausią ir geriausią šalies eksperimentinę mašiną, skirtą sintezės pagrindu pagamintai energijai gaminti. Šiuo metu statybos planuojamos baigti iki 2027 m., o po to BEST taps dar ambicingesnio projekto – Kinijos branduolių sintezės inžinerijos demonstracinio reaktoriaus (CFEDR), kuris turėtų pradėti veikti iki 2030 m. Jei tai pavyks, galėtų sekti prie elektros tinklo prijungtos elektrinės. Šis laikotarpis yra bent dešimtmečiu priekyje kitų vyriausybių pastangų pasiekti branduolių sintezę. Todėl Hefėjuje dalyvavę asmenys BEST apibūdino kaip „istorinį lūžio tašką“ Kinijos siekyje plėtoti šią technologiją.

 

Nepaisant viso branduolių sintezės potencialo gaminti pigią elektros energiją dideliu mastu, ši technologija iš esmės liko eksperimentinė. Ir nors Amerika ir Europa jau seniai pirmauja komercinio reaktoriaus kūrimo srityje, kruopštus planavimas suteikė Kinijos perspektyvoms postūmį. Jos privačios branduolių sintezės įmonės dar negali varžytis su užsienio įmonėmis. Tačiau šalies nacionalinė programa tapo nuožmia konkurente. Neatsiejama jos sėkmės dalis yra trijų krypčių strategija: nustatyti mokslinių tyrimų prioritetus savo mokslininkams ir inžinieriams; skirti didžiulį finansavimą šiems įmantriems įrenginiams; ir sukurti pramoninio tiekimo grandinę dalims, kurių reikės branduolių sintezės reaktoriams. Nesvarbu, ar to pakaks pergalei garantuoti, lenktynės dėl branduolių sintezės vyksta rimtai.

 

Kol kas Kinija apsistojo ties išbandytomis technologijomis branduolių sintezei siekti. BEST yra tokamakas – spurgos formos reaktorius, kuriame Elektriniu krūviu įkrauta plazma kaitinama ir sulaikoma magnetų, kol sudedamosios dalelės, sudarytos iš skirtingų tipų vandenilio branduolių, įveikia stūmos jėgas, kurios paprastai juos skiria. Kai sąlygos yra tinkamos, branduoliai gali susilieti, išskirdami didžiulius energijos kiekius. Didžioji dalis šios energijos atitenka reakcijos metu susidariusiems neutronams, todėl jie dideliu greičiu susiduria su reaktoriaus sienelėmis ir taip generuoja šilumą.

 

Kad tokamakai būtų naudingi elektrinėse, jie turės pasiekti vadinamąsias degimo sąlygas, kai plazma yra pakankamai tanki, kad jos šiluma taptų savarankiška. Tai vyksta esant aukštesnei nei 150 m°C temperatūrai ir esant magnetiniams laukams, kurie yra šimtus tūkstančių kartų stipresni nei Žemės.

 

Kinijos mokslininkai pamažu siekia šio tikslo. Sausio 1 d. Kinijos eksperimentinio pažangiojo superlaidžiojo tokamako (EAST), vieno iš BEST pirmtakų (kur kabo Kuafu freska), tyrėjai pranešė, kad jiems sėkmingai padidino savo plazmos tankį iki anksčiau neįmanomo lygio. Tolesniam padidinimui pasiekti prireiks laiko.

 

Fizikos iššūkiai yra viena; Inžinerija – kita sritis. Tokamakai – tai didelės mašinos su pažangiausiais komponentais. Jų konstrukcija priklauso nuo sudėtingos tiekimo grandinės, įskaitant galios modulius, vakuumines kameras ir galingus superlaidžius magnetus. Kinijos politika paskatino pramonės įmones gaminti šias dalis – tai dar viena sritis, kurioje šalis lenkia savo konkurentus. Jos inžinerijos įmonės turi ypatingos patirties metalo apdirbimo srityje, kurdamos magnetines rites ir galios konversijos komponentus, naudojamus branduolių sintezės projektuose užsienyje. ITER, ilgai veikianti branduolių sintezės programa, įsikūrusi Prancūzijos pietuose, naudoja Kinijoje pagamintas dalis.

 

Taip pat kyla kuro klausimas. BEST skirtas dviejų vandenilio izotopų branduoliams sujungti: deuterio, turinčio vieną protoną ir vieną neutroną, ir tričio, turinčio vieną protoną ir du neutronus. Deuteris, kurį galima išgauti iš vandens, yra nebrangus. Tritis, priešingai, gamtoje yra beviltiškai retas ir dėl savo radioaktyvumo greitai skyla. BEST iš pradžių naudosis išoriniu šio kuro tiekimu, tačiau jos mokslininkai tikisi, kad galiausiai ji galės jį pasigaminti pati.

 

Jei tokamako indas iš vidaus bus išklotas antklode ličio, šie atomai, paveikti branduolių sintezės metu išsiskiriančių energingų neutronų, galėtų virsti tričio atomais. Tai sunkiai įveikiamas žingsnis, kurį daugelis branduolių sintezės projektų labai norėtų įvaldyti.

 

 

Siekiant išbandyti ir išplėsti ličio sluoksnį, taip pat kitas branduolių sintezės technologijas ir medžiagas, moksliniai tyrimai ir plėtra vykdomi ne tik BEST, Visapusiškame branduolių sintezės technologijų tyrimų centre (CRAFT), kuris taip pat, žinoma, vadinamas Kuafu. Čia inžinieriai  kuria medžiagas, magnetus ir komponentus, kurie bus naudojami būsimuose branduolių sintezės įrenginiuose, taip pat testuoja BEST sistemas. Jie taip pat kuria didelio tikslumo robotus, galinčius gabenti sunkius krovinius ir veikti aukštoje temperatūroje, o tai padės išlaikyti milžinišką reaktorių ateityje. Nors europiečiai nori tobulinti technologijas prieš statybas, sako Yannickas Marandet, Prancūzijos nacionalinio mokslinių tyrimų centro tyrimų direktorius, didelis kinų pranašumas yra jų noras „mokytis darant“.

 

Tačiau ne mažiau svarbus buvo valstybinių planuotojų siekis panaudoti branduolių sintezės energiją. 2025 m. liepos mėn. Kinija įkūrė „China Fusion Energy“ – valstybinę įmonę, pavaldžią jos nacionalinei branduolinių energetikos bendrovei, kad sujungtų mokslinių tyrimų pastangas. Sausio 15 d. įsigaliojo naujasis šalies atominės energijos įstatymas, skatinantis investicijas į augančią pramonę, nustatant reglamentus. Šių pastangų kulminacija buvo kovo 12 d., kai vyriausybė įtraukė branduolių sintezę į savo aukšto lygio ekonominius planus, įskaitant 15-ąjį penkmečio planą.

 

Kinijos pastangos, kurias daugiausia inicijuoja valstybė, dedamos tuo metu, kai Vakarų šalys, ypač Amerika, pastebėjo išaugusį privačiojo sektoriaus susidomėjimą šia sritimi. Visame pasaulyje 77 startuoliai surinko 15 mlrd. JAV dolerių, siekdami galiausiai pasiekti savarankišką branduolių sintezę, naudodami technologijas – nuo ​​pažangių tokamakų iki lazeriu varomų konstrukcijų ir reaktorių su naujovišku išdėstymu, vadinamų stelaratoriais. Šios alternatyvos, kai kurios iš jų gali būti pigesnės ar paprastesnės, galėtų pranokti brangias viešąsias pastangas. Kai kurios Amerikos įmonės teigia, kad iki 2030-ųjų pradžios galės tiekti energiją į tinklą – tai laikotarpis, kuris konkuruoja su Kinijos laikotarpiu.

 

 

Greitai judėkite ir sujunkite dalykus

 

 

Yra tam tikrų ženklų, kad Kinija vis labiau seka Amerikos pavyzdžiu, nukreipdama privatų kapitalą į perspektyvius branduolių sintezės startuolius. Nors 42 Amerikos startuoliai iki šiol surinko iš viso 8 mlrd. JAV dolerių, aštuonios Kinijos įmonės surinko apie 5 mlrd. JAV dolerių daug greičiau. Praėjusių metų balandį Kinijos įmonė „NovaFusionX“ surinko 70 mln. JAV dolerių – tai didžiausias pirmasis privačios branduolių sintezės bendrovės finansavimo etapas šalyje. Dar vienas iš Tsinghua universiteto įkurtas startuolis „Startorus Fusion“ stato už sferinės formos tokamako sukūrimą ir sausio mėnesį surinko dvigubai daugiau. Kita įmonė „Energy Singularity“ tikisi pasiekti tą patį tikslą, sukurdama itin stiprius magnetus, o Kinijos konglomeratas ENN naudoja kitokį kurą: bandys sujungti vandenilio branduolius su boro branduoliais.

 

Šis siekis nebūtinai turi būti nulinės sumos. Kinija išlieka atvira bendradarbiavimui, ne tik mokydamasi iš ITER išvadų, bet ir leisdama užsienio mokslininkams naudoti savo įrenginius (nors pastaruoju metu pasirodė nedaug amerikiečių). Užsienio mokslininkai greitai pripažįsta Kinijos greitį ir efektyvumą – bei pažangą – tobulinant savo projektus. Kai BEST bus paleistas ir veiks, tai bus vienas pažangiausių branduolių sintezės eksperimentų pasaulyje, ir visų šalių mokslininkai norės bendradarbiauti, sako dr. Marandet. Taigi, kitaip nei Kuafu, Kinijos mokslininkai nesivaikys saulės vieni.“ [1]

 

1. Chasing the sun. The Economist; London Vol. 458, Iss. 9491,  (Mar 21, 2026): 76, 77.

Chasing the sun - nuclear fusion

 

“THE STORY of Kuafu is a classic of Chinese mythology. The powerful giant, his arms wrapped in pythons, runs for days through hills and valleys to chase the sun that has scorched his people. His Herculean effort has come to symbolise exploration and courage in the present day; China has named various technological feats including its solar probe and an advanced humanoid robot after him. More aptly still, his pursuit has become a symbol of China’s nuclear-fusion ambitions.

 

It was with Kuafu-like gusto, then, that 1,500 physicists, engineers and nuclear-fusion enthusiasts recently gathered in the city of Hefei, a research hub where China is building its Burning Plasma Experimental Superconducting Tokamak (BEST), the country’s latest and greatest experimental machine to generate fusion-based power. Construction is currently on track to be completed by 2027, after which BEST will be a test bed for an even more ambitious project: the China Fusion Engineering Demo Reactor (CFEDR) that is expected to be up and running by 2030. If that succeeds, power stations connected to the electrical grid could follow. That timeline is at least a decade ahead of other governments’ efforts to achieve fusion. Those present in Hefei, therefore, described BEST as a “historic turning-point” in China’s quest to develop the technology.

 

For all of fusion’s potential to generate low-cost electricity at scale, the technology has largely remained experimental. And though America and Europe have long led the pursuit of a commercial reactor, meticulous planning has given China’s prospects a boost. Its private fusion firms have yet to rival those abroad. But the country’s national programme has become a fierce competitor. Integral to its successes is a three-pronged strategy: setting research priorities for its scientists and engineers; providing vast amounts of funding for those wonks; and building an industrial supply chain for the parts that fusion reactors will need. Whether or not that will be enough to guarantee victory, the race for fusion is on in earnest.

 

For now, China has settled on tried-and-tested technologies for pursuing fusion. BEST is a tokamak, a doughnut-shaped reactor in which an electrically charged plasma is heated and confined by magnets until the constituent particles, made up of different types of hydrogen nuclei, overcome the repulsive forces that normally keep them apart. When the conditions are right, the nuclei can be made to fuse, releasing vast amounts of energy. Much of this energy is delivered to neutrons produced by the reaction, causing them to collide with the reactor walls at high speed, thereby generating heat.

 

To become useful in power stations, tokamaks will need to reach so-called burning conditions, in which the plasma is dense enough for its heat to become self-sustaining. This occurs at temperatures above 150m°C and in the presence of magnetic fields that are hundreds of thousands of times stronger than Earth’s.

 

Chinese scientists are inching towards that goal. On January 1st researchers working at China’s Experimental Advanced Superconducting Tokamak (EAST), one of BEST’s predecessors (where a mural of Kuafu hangs) reported that they had successfully increased the density of their plasma to levels once thought impossible. Eking out further increases will take time.

 

Physics challenges are one thing; engineering is another. Tokamaks are big machines with cutting-edge components. Construction depends on a complex supply chain, including power modules, vacuum chambers and powerful superconducting magnets. Chinese policy has incentivised industrial firms to manufacture those parts, another area where the country is ahead of its rivals. Its engineering firms have particular expertise in the field of metallic carpentry, developing magnetic coils and power-conversion components used by fusion projects abroad. ITER, a long-running fusion effort based in the south of France, uses of Chinese-made parts.

 

There is also the question of fuel. BEST is designed to fuse nuclei of two hydrogen isotopes: deuterium, which has one proton and one neutron; and tritium, which has one proton and two neutrons. Deuterium, which can be extracted from water, is inexpensive. Tritium, by contrast, is hopelessly rare in nature and, owing to its radioactivity, decays quickly. BEST will initially rely on an external supply of this fuel but its scientists hope it will eventually be able to produce its own.

 

If the tokamak vessel is lined on the inside with a blanket of lithium, those atoms could, when struck by energetic neutrons released during nuclear fusion, turn into tritium atoms. It is an elusive step many fusion projects would dearly love to master.

 

To test and scale the lithium blanket as well as other fusion technologies and materials, R&D is being conducted down the road from BEST, at the Comprehensive Research Facility for Fusion Technology (CRAFT), which is also—naturally—nicknamed Kuafu. Here, engineers are developing materials, magnets and components that will go into future fusion devices, as well as testing BEST’s systems. They are also developing high-precision robots that can carry heavy payloads and operate under high temperatures, which will help maintain the giant reactor in the future. Whereas the Europeans want to perfect technologies ahead of construction, says Yannick Marandet, research director of France’s National Centre for Scientific Research, the big advantage the Chinese have is their willingness to “learn by doing”.

 

Equally important, though, has been state planners’ drive to harness fusion power. In July 2025 China created China Fusion Energy, a state-owned enterprise that sits under its national nuclear company , to tie together research efforts. On January 15th the country’s new Atomic Energy Law went into effect, driving investment in the growing industry by setting out regulations. The culmination of these efforts came on March 12th, when the government included nuclear fusion in its high-level economic blueprints, including the 15th Five Year Plan.

 

China’s largely state-led fusion efforts come as Western countries, in particular America, have seen a surge in private-sector interest in the field. Across the world 77 startups have raised $15bn with the goal of eventually achieving self-sustaining fusion using technologies ranging from advanced tokamaks to laser-driven designs and reactors with novel layouts known as stellarators. These alternatives, some of which may well be cheaper or simpler, could leapfrog expensive public efforts. Some American firms claim they will be able to supply energy to the grid by the early 2030s, a timeline that rivals China’s.

 

Move fast and fuse things

 

There are some signs China is increasingly following America’s example, driving private capital towards promising fusion startups. Whereas 42 American startups have raised a total of $8bn to date, eight Chinese firms raised about $5bn much more quickly. In April last year, NovaFusionX, a Chinese firm, raised $70m, the largest first-funding round for a private fusion company in the country. Startorus Fusion, another startup, spun out of Tsinghua University, is betting on a spherical-shaped tokamak, and raised double that amount in January. Energy Singularity, another firm, hopes to reach the same goal by building extremely strong magnets, whereas ENN, a Chinese conglomerate, is using different fuels: it will attempt to fuse hydrogen nuclei with those of boron.

 

The pursuit need not be zero-sum. China remains open to collaboration, not only learning from ITER’s findings, but also allowing foreign scientists to use its machines (though few Americans have shown up recently). Foreign scientists are quick to credit Chinese speed and efficiency—and progress—in improving their own projects. When BEST is up and running, it will be among the most advanced fusion experiments in the world, and scientists from all countries will want to collaborate, says Dr Marandet. Unlike Kuafu, then, China’s scientists will not chase the sun alone.” [1]

 

1. Chasing the sun. The Economist; London Vol. 458, Iss. 9491,  (Mar 21, 2026): 76, 77.