一直以来，孟繁岐对外的形象还是比较温和谦逊的，因为他清楚自己只是借助了别人的智慧，并非是真的依靠自己的才华。
除了某些场合有人疯狂吹牛，他为了怼人会稍微卖弄一番自己现在的地位和名声，但通常只是作武器之用。
正常的时候，尤其是面对其他学者之时，他的态度一直很好。
因而此次强势出击显得格外引人注目。
不说话则已，一回应就带上了非常详细的证据，具体的情节脉络，并伴随着强烈的情绪输出！
绝不磨磨唧唧，也绝不当谜语人语焉不详。
这则回复发出之后，一石激起千层浪。
毕竟普通人能关心到车辆这种工业内部情况的极其之少，压根就没几个人知道，原来康迪汽车竟然做了如此恶劣的事情！
“我一年交税才几万块钱，三十多万个我交的税钱，还不够你们公司一年偷的啊？”
“别说交税了，三线城市一年的Gdp也就千亿级别，直接让这公司偷掉十分之一！”
有不少网友从各种角度在计算康迪到底偷掉了多少钱，毕竟超过亿级别的数字对普通人来说...已经有些难以明确地理解了。
“小偷！”也有言简意赅，不多啰嗦，比较直抒胸臆的。
“孟繁岐在AI峰会上，为什么只谈自动驾驶？还不是为了给我们国家的汽车工业引流？多吸引一点资金过来罢了。你们看了他的展台没有？各种乱七八糟的应用人家做的多了！”
也有随心分析...但猜中了真相的，真是个小天才。
舆论的形式很快就一边倒了，康迪完全没有想到，孟繁岐竟然是奉旨办事。
这一脚彻彻底底地提到了铁板上，还是烧红的那种，让人痛不欲生。
吉利方面的反应也很快，迅速地就做出了相应的危机公关。
使用出了切割大法，把所有的锅都交给康迪这个子公司单独背了。
“吉利也算是有魄力，壮士断腕。直接发布声明把康迪剥离出去了。”孟繁岐回复后不久就看到了吉利的声明，这一招也算是聪明，直接把自己这个实际控股公司也变成了受害者形象。
反正康迪已经烂透了，不如就再给它个人设，说它把吉利也骗了。
“这次也是正好赶上我是世界瞩目的焦点，否则我总感觉他们没那么容易服软。”孟繁岐此时正在后台，准备参与阿尔法fold为主题的访谈节目。
这一次他回应国内各种流言风语正好借了大势，阿尔法fold不仅是第二次登陆《自然》封面那么简单。
吉利根本不敢正面应对，否则那将会显得他们彻底像是跳梁小丑。
只得作罢，切割，致歉，放弃康迪相关的一切资产，任由它们剥离之后臭掉烂掉。
孟繁岐大概猜到了吉利的做派会是怎样，估计以后等到哪天风头过去了，再悄咪咪地收购回来。
但这些就不是他会关心的事情了。
“如果说阿尔法围棋证明了人工智能可以超过围棋领域内最强的人类，那么阿尔法fold则是更进一步证明了人工智能这种超越人类的能力能够做到辐射其他领域，可以极大地推进科学的发展和进程，造福全人类。”
“比起围棋这种竞技游戏领域的战果，阿尔法fold在生物和医学方向上的意义是空前的，在人类还在烦恼与万余种蛋白质结构的时候，阿尔法fold已经在展望数亿级别的蛋白质全解了。”
“如果在短期之内，阿尔法fold真的可以预测地球上绝大部分的蛋白质空间结构，我的意思是两三亿个的话...我甚至怀疑这值得一个诺贝尔奖。”有些科学评论人员做出了这样的判断。
阿尔法围棋与阿尔法fold均为《自然》杂志封面，但其中的区别很大，普通人很难直观的理解。
前者更多的是象征意义，后者则已经对人类社会产生了巨大的影响。
不过最能够让大家意识到这次事情真的大条了的一个标志，就是舆论圈首次出现了有关诺奖的声音。
可以说这个猜测相当大胆，即便孟繁岐也无法预知这件事到底是不是真的有可能，因为诺奖的颁发实在是太拖沓了。
“我重生前，阿尔法fold获得了盖尔德纳奖项，2023年3月的时候。”孟繁岐倒没有太信诺奖这么一说，这东西颁发起来慢的要命，即便成果真的够格，再熬你十几二十年都是寻常事。
这个量级的科学成果，的确也需要一定时间的沉淀，去验证它到底产生了怎样的价值。
很多获奖者都是以多年前的成果和工作最终六七十岁荣获诺奖的，这件事距离自己还比较遥远。
不过阿尔法fold的确有潜力敲一敲诺奖的门。
因为盖尔德纳奖一共颁发了400个左右，其中100人左右获得了诺奖，因而盖尔德纳也被视作诺贝尔生理学或者医学奖的风向标。
2023年颁发给阿尔法fold的时候，这个拥有半世纪历史的医学领域知名奖项，是首次授予计算机领域的专家，由此可见阿尔法fold的出现意义重大。
“2003年的时候，随着【人类基因组计划】的草图公布，结构生物学家们热切地相信，下一个生命科学的大计划应该是把所有的蛋白质结构全都解析出来，也就是所谓的【基因组计划】。”
随着《自然》杂志新一期刊出，不少电视节目已经刚开始科普这一项工作的相关背景和具体情况了。
在其中最为炫酷的一个名称，就是相关学科背景当中的这个所谓【人类基因组计划】，一听就非常不得了。
这是一项跨国跨学科的科学探索工程，为了测定组成人类染色体中所包含的30亿个碱基对组成的核苷酸序列，从而绘制人类基因组图谱，并且辨识其载有的基因及其序列，达到破译人类遗传信息的最终目的。
单说这个工程，普通人的感触可能还不够直观，但若是提到与其并列三大科学计划的其他两个，曼哈顿原子弹计划和阿波罗登月计划...
对比一下造原子弹，以及登上月球这两件更加直观的超级大事件。
其价值、地位和对人类的重要意义就不言而喻了。
“从1985年至2003年，接近二十年的时间，这一项三十亿美元预算的人类基因测序计划基本完成。从化学的角度去简单理解，蛋白质也不过是根据基因编码而成的肽链，是一串或几串氨基酸残基而已。”
“但是问题就出在这个地方，知道蛋白质的化学信息并不能告诉我们它的生物学功能到底是什么，它到底象征什么功能，我们又应当如何去应对？这几件事之间还有着很大的鸿沟。也就是说，虽然已经测定了化学信息，但我们对于这些基因在生理上到底会有什么功能其实仍旧一无所知。”
“这是因为蛋白质的肽链会折叠，在空间中形成奇异的结构。人类基因组计划测序的时候，不论测量什么基因，其本质是差不多相同的任务类型。但在蛋白质当中，目前并没有什么发现什么办法能够适用于大部分蛋白质，面对不同的蛋白质很可能需要更换方法，这也是为什么我们人类的蛋白质数据库每年增长的速度大约只有一万左右的主要原因。”
一是方法并不通用，二是有用这些方法也不是特别的方便，所需的设备和操作手法有很高的门槛，并且非常耗时。
“但现在，我们有了阿尔法fold，这个数据库涵盖了整个蛋白质宇宙，我们已经迈入数字生物学的全新时代！在未来，预测蛋白质结构就如同使用搜索引擎一样简单，它将几乎涵盖了地球上所有已进行过基因组测序的生物体。”
阿尔法fold与围棋这种一下子就能够被理解的事情区别不小，节目当中主持人花费了不少的时间和精力在介绍这个任务的背景、难点还有意义。
不过在结尾处的总结和吹捧稍微有些用力过猛，孟繁岐不得不切入进来稍微解释一下。
“人工智能毕竟还是数据驱动的一种新技术，目前阿尔法fold是基于已有的十几万测定结果去构造人工智能模型，我们已经对二十多种模式的生物进行了尝试。”
“由于AI技术是从已知的数据当中学习规律，所以针对从未出现过的结构和现象，那可能阿尔法fold是没有办法预测的。就像是在加减法的题目上学出来的AI很难自己掌握乘除法一样。AI或许可以总结出一些新的东西，但绝不可能总结出所有未出现的知识内容，那样的难度实在太高了。”
“我们计划在今年年底公布人类的全蛋白质结构，这个大概是百万千万的级别。未来的两到三年之内，我们公布2亿多条全生物预测结果，所有曾经被人类测序的蛋白质，我们都会去一一做预测。根据目前的统计结果，大约有百分之35左右会是高度准确的。”
孟繁岐实话实说，基于人类已有的十七八万去预测两个亿，当然不可能做到基本全部准确。
这里他说的高准确度，是指基本上超过百分之99.9的符合程度。唯有这个级别的预测结果，才能够如同大家所想的那样，完全取代目前的测量方式。
余下的，多多少少还是会有一些误差，能用，但需要科研人员自己谨慎判断。
不过，百分之35已经是非常优秀的高精确度比例了。这意味着两个多亿当中，至少能有七千多万条结果是和实际情况基本上没有差别的。
相比现在人类已经掌握的数量，十几万来说，这仍旧是几百上千倍的进步。
“孟，你实在是太谦虚了，即便是三成左右的高精确度比例，人类按目前的速度也得需要七千年才能得到这些结果。可现在，两三年之内我们就能做到。”
孟繁岐的解释并没有让主持人和现场的听众失去热情，这两个数字实在是天差地别。
几十年下来，全人类才积攒下来不到二十万条高质量的蛋白质结构。
现在你两三年就能预测出七八千万，结果还嫌这准确率太低？
“也不能说是谦虚，我只是希望大家可以知晓事实吧。毕竟人工智能的能力一旦被高估其实也是相当危险的一件事情。我不希望大家认为阿尔法fold已经可以精确地解决一切，它目前仍旧还是被极大的限制了。”
“目前呢，我们已经和欧洲分子生物学实验室合作，公开了人类蛋白质组内的全部能预测的蛋白质结构，并免费开放给了学术界。一直以来，我的目标都是将人工智能作为工具，以加速科学的发现，进而增加人类对世界的理解。”
“阿尔法fold之所以登陆上了《自然》杂志的封面，便是因为我们获得了一副迄今最全、最准的人类蛋白质组的图像。我们相信这是目前为止人工智能对促进科学进步做出的最重要的贡献，极好地展示了人工智能将如何造福社会。”
孟繁岐这番话没有贬低此前的其他人工智能成果，也没有刻意去抬高阿尔法fold的意义。
而是事实的确如此，光是对比一下点评发声的那些人物就能够明白了。
此前，往往是人工智能界，或者计算机领域的学者做出的点评为主，成果所涉及的学科领域为辅。
此次，AI领域的不少大佬想说话都已经有点插不上嘴了。
因为生物和化学方面的大佬们站出来讲话的实在太多，咖位上实在差了不少。别的不说，光是诺奖得主就有四五个。
比如保罗，2001年诺贝尔生理学医学奖得主：“计算方法正在改变科学研究，为有益于公共利益的发现和应用开辟新的可能性。了解蛋白质的功能对于提高我们对生命的认识至关重要，并将最终导致医疗保健、粮食可持续性、新技术等等方面的改进。孟繁岐主导开放了免费的阿尔法fold数据库，这是生物学的一个重大飞跃。孟繁岐的慷慨开创了人工智能生物的新纪元。”
比如文卡特拉曼，2009年诺贝尔化学奖得主，英国皇家科学会主席：“蛋白质折叠问题是生物学50年来的重大挑战，这项计算工作代表了对该问题研究的惊人进展。这个巨大的难题被孟繁岐以这样的方式解决，实在出乎了我们许多业内人士的预料。不过看到阿尔法fold从根本上改变了生物学的研究，我们感到十分振奋。”
再比如伊丽莎白，2009年诺贝尔生理学医学奖得主：“孟繁岐和EmbL提供给了世界绝佳的资源，彻底改变了我们进行结构生物学的方式。这些预测展示了机器学习的力量，并服务于全世界的科学机构。这是一个开创性的例证：21世纪应该如何开展科学研究。”
多个诺奖得主级别的学者大加赞赏，令孟繁岐一时间风头无两，毕竟这些学界泰斗平日里一般人见都见不到半个。
“被你这么一说，我大概明白《自然》杂志封面的含义了！”主持人此前还在疑惑，为何自然杂志要用化学物质，一堆链条一样的东西组成一个人形的图案作为封面。
孟繁岐这么一说他才明白，原来这篇文章被选做《自然》封面的主要原因，便是因为阿尔法fold已经完成了人类绝大多数蛋白质结构的分析工作。
封面的设计思路也源自于此。