陈元光同样很开心，能为这个世界做出点贡献，“那就好，要是没有预测准确，那我们两都得被批评了。
教授，感谢你帮我冒险。”陈元光说的很真挚。
要不是莱维特帮他站台，science不会那么快过稿，开线上会议即便有mit背书，也不会有那么多人参加，他不会有那么好的布道机会。
陈元光接着道：“辉瑞和拜耳肯定得有信心啊，他们的广谱疫苗完全是建立在我们的病毒预测模型基础上，我们的病毒预测模型表现得如此出色，准确预计了这两次的毒株突变点位。”
莱维特笑道：“也是，莱特，是我应该感谢你，你做出如此优秀的成果，我在其中并没有起到太多的帮助，不过是分享了一些信息给你。
病毒预测模型完全是你的功劳，我会推荐你去评选明年的诺贝尔生物学奖的。”
陈元光这才发现自己忘了莱维特作为前诺奖得主，也有候选人推荐资格，和盖茨基金会关系好的诺奖推荐人是少数。
“教授，感谢，我会记得你为我提供的帮助的。”陈元光说的很真诚。
因为他知道，这次是他最后的机会了，不是说最后拿诺奖的机会，而是最后一次去瑞典现场领奖的机会。
明年靠着广谱疫苗，病毒被终结，他光环加身，又是做纯理论研究，去领奖也没什么。
如果等到后面，他拿出更有影响力的成果，像一些能够改变世界的成果时，诺奖再颁给他，他也不敢去领奖了。
这就是时机的重要性，错过了有可能就是一辈子。
“教授，你刚刚是在和莱特打电话吗？”刚刚站在莱维特身边等他打完电话的是他手下的博士史蒂文。
莱维特望向史蒂文：“是的。”
史蒂文露出艳羡的表情，他感觉莱维特对陈元光远比对他们这帮莱维特手下的博士更上心。
这区别就好像亲传弟子和外门弟子。
史蒂夫感慨：“光是检验莱特预测模型的论文都发了好几篇在nature、science和柳叶刀上。”
自从陈元光的研究结果发布后，各地发现的新毒株，在做完测序后，大家都会拿着去和模型进行比对。
不一定突变点位都被模型所预测到，但是大部分突变点位都被模型所包含，而且最后流行程度最高毒株的突变点位，一定在模型预测范围内。
因此每次测序都能发篇论文，9月英国发现的阿尔法毒株测序比对结果就被剑桥捷足先登，发表在了柳叶刀上。
学术界的同仁们发现发论文如此简单，只需要测序比对就完事了，大家都开始抢时间，和病毒检测中心打好关系，看的就是谁速度快。
慢慢的这类结果只能发表在二流期刊上，而且还得看手速。
有学者把测序结果进行总结，搞了篇综述，居然发表在了nature上，这下大家热情更高了。
短短半年时间，陈元光的那篇论文被引频次就突破了两千次，成为全年最具学术影响力的论文。
这是陈元光没有预料到的。
围绕一个好的结果，大家都能有口饭吃。
这让史蒂文很羡慕，成果顶级，大佬青睐，还年轻，buff给他叠满了。
“这就是顶级科研者的价值所在。
像欧拉的手稿、成果、思考给俄国数学界吃了三百年。
越顶级科学家的越是富矿。
陈现在已经有这种潜质了。”
莱维特也很感慨，他还记得前年年底的时候去华国参加科幻评奖，当时陈元光找到他谦虚的模样，让他以为对方只是来套磁的。
结果对方自己就是鲨鱼，短短两年时间就已经锋芒毕露。
莱维特作为诺奖得主，他很清楚诺奖得主之间也有区别，有人得诺奖，诺奖是他的光荣，而有人得诺奖，诺奖的光荣是他。
在莱维特看来，才二十岁出头的陈元光完全能做到后者。
史蒂文问道：“教授，你没有想过把莱特招揽来斯坦福吗？
斯坦福应该随便给他一个教职吧。”
说起这个，史蒂文露出奇怪的神情，他有点不想继续这个话题，因为他又想起陈元光拒绝他的离奇理由，因为他朋友在纽约。
当时陈元光给他的理由是，他更喜欢巴文迪的研究方向。
今年两人开始合作后，莱维特发现对方对生物计算兴趣和能力同样浓厚，于是又问了这個问题，陈元光这才说实话，说因为他朋友在纽约，波士顿离纽约更近。
莱维特永远不会忘记当时自己的心情，简直和吃了鲱鱼罐头一样难受，敢情我的博士还不如朋友之间多看几面值。
等陈元光做出预测模型后，他自我安慰，说天才就是这样有个性，天才有其超凡之处，自然个性也很突出。
“我邀请过他，他可能不太喜欢硅谷的气候。”莱维特说完自己都不相信，因为加州气候明显要比波士顿更好。
波士顿漫长的寒冬怎么比得上气候宜人的加州。
他又补充了一句：“总之我邀请过他，他不太想来斯坦福。”
史蒂文内心猜测，估计对方更喜欢mit，所以教授才会露出这样的神色。
史蒂文怎么都猜不到真实原因。
“原来是这样，看来我短期内没有机会见到莱特了，他在生物计算上的成就真是惊人。
我有朋友在硅谷，因为莱特的成果，这段时间硅谷冒出了很多主打生物计算和人工智能结合的公司，专门为医药企业提供人工智能服务。
他们招了一帮计算机博士和生物学博士，说是要提供新型医药外包服务。
像辉瑞、阿斯利康、罗氏制药这些药企，也开始加大在ai上的投入，光是辉瑞，最近给英伟达下了超过两亿美元的订单。”
因为打算毕业之后去工业界，所以史蒂文格外留意硅谷生物方面的前沿动向，这关系到他后续发展。
他对硅谷工业界的最新动态如数家珍，莱维特听完后说：“确实如此，人工智能技术在生物计算领域的优势非常明显。
传统的数学建模已经无法满足现在学术界的需要，我们需要新方法和新理论，现在新方法已经有了，但是新理论还是一片空白。”