晚点对话李开复丨他第一个讲了出来，不再追求 AGI

“机会来临时，要勇敢做决策，机会消失时也是。”

文丨程曼祺

编辑丨宋玮

被传 “放弃预训练，资金链紧张、被阿里收购……” 大模型独角兽零一万物发生了什么？

李开复说：“我们没有寻求被收购”，“我们还会继续做预训练”。

变动消息传出的第二天，零一万物 CEO 李开复向《晚点 LatePost》解释了实际发生的调整：

零一万物已与阿里云成立 “产业大模型联合实验室”，零一万物大部分训练和 AI infra 团队会加入该实验室，成为阿里员工。

这之后，零一万物将不再追求训练超级大模型，但会继续训练参数适中的更快、更便宜的模型，基于后者打造可以赚钱的应用。

这是第一家公开大幅调整发展方向的中国大模型独角兽。它成了过去两年大模型热潮的一个节点。

李开复总结了中国大模型创业的挑战：

• “中国公司面临芯片的限制，融资额和估值也远低于类似的美国公司。”
• “Scaling Law 在变慢，我们从信仰它到怀疑它只花了一年时间”。
• “创业公司去和大厂比，谁能烧出更大的模型，最终不会成功。”
• 商业化的灵魂拷问时刻因此更快到来：“一家公司到底能不能把技术转换成商业价值，先有收入，再增加收入，然后收窄亏损，最终从单点盈利到多点持续盈利。”
• “这就是一个难解的局，To B、To C、国内、国外，都不容易做。”

2025 年会更好吗？李开复看到：应用爆发和商业化淘汰会一起发生。零一万物的机会是：挖掘 To B 大模型的 PMF。

“一些细分领域客户，会因为有了大模型而营业额翻倍，这是最好的 PMF，因为马上能产生巨大价值。我们已有一些尝试。” 李开复说。

访谈李开复的这天，中关村鼎好大厦——这里是他 2009 年创立的创新工场和 2023 年创立的零一万物的办公地——也即将入住一批新人：

字节跳动在北京的大模型研发团队正计划陆续集中至此。这家巨头被报道今年会投 70 亿美元做 AI 大模型，这超过所有中国大模型头部公司的融资总和。

中国大模型创业公司会全军覆没吗？李开复说，没有任何概率。因为一定会诞生颠覆式的 Ai-first 应用。

去年 5 月我们访谈李开复时，他说想打造 AGI 时代的微软。

“这个梦想算是破灭了吗？” 这次我们问。

“当然没有……只能说我们现在是从应用起步。谁都可以仰望星空，更重要的是脚踏实地。”

回应零一万物调整，“不会停止预训练，但不再追逐超大模型”

晚点：这几天感觉累和疲惫吗？

李开复：不是疲惫，就是让我觉得需要澄清，所以有了这次采访。

晚点：传闻你们资金紧张、裁员，以及被阿里收购。实际发生了什么？

李开复：我们和阿里成立了产业大模型联合实验室，依赖大厂训练更大的模型，帮助我们提升较小的模型。我们认为，一个商业公司需要非常快而便宜的模型，然后在上面打造可以赚钱的应用。

晚点：除了目前和阿里合作的这种调整外，谈论过别的可能吗？比如被收购。

李开复：我们没有寻求过被收购，我们有独特的价值。

但任何一个创业公司——我也在创新工场投了很多公司——都要考虑投资人。如果收购是最好的结局，公司有责任考虑这个选项。

晚点：阿里是否会接收你们大部分的预训练和 AI Infra 团队？

李开复：零一万物有能力，也想做超大集群 Infrastructure 和训练的人确实会加入联合实验室，成为阿里的员工。

晚点：这意味着零一要放弃预训练吗？

李开复：我们还会做预训练。

我认为以后预训练会分叉：一个是训练超大模型，这是在追寻 AGI，但它会很贵。这部分我们其实很早就放弃了。

晚点：所以零一放弃追寻 AGI 了？

李开复：仰望星空追寻 AGI 需要充足甚至不计代价的弹药储备，脚踏实地来看，我们现阶段的最高优先级是先巩固拿到弹药的实力。

晚点：“很早就放弃了”，是指什么时候？

李开复：上次我们谈时是去年 5 月，那时我们发布了 Yi-Large，它是在往超大模型走。但当时我们就有一个认知，这个模型并不快，也不便宜。

所以就开始面临一个抉择：我是要花更多 GPU 和资源，烧更大的模型？还是务实一些，做一个可以落地、赚钱的商业公司？

晚点：什么时候做出了决断？

李开复：当时就发生了，你还记得我们那时谈到了一个 Yi-X-Large 模型的计划吗？它是比 Yi-Large 更大的版本。我们去年 5 月到 6 月就决定放弃了。

晚点：没有放弃的部分是什么？

李开复：训练更快、更便宜的模型。

我们决定不做 Yi-X-Large 的同时，已经在同步做 MoE（混合专家系统模型，优点是推理成本更低、速度更快），就是去年 10 月推出的 Yi-Lightning，它的速度比 Yi-Large 快好几倍，而价钱只有 GPT-4o 的 1/30。我们现在也正在做 Yi-Lightning-V2。

晚点：你之前说过，零一的优势之一就是你们自己做 AI Infra 和推理引擎，能主动大幅降低训练和推理成本。现在你们的 Infra 团队去了和阿里的联合实验室，这个优势还在吗？

李开复：我们现在仍有一个较小的训练团队和 Infra 团队，他们会继续做 “模应一体”，并且未来联合实验室的技术我们也能利用。

晚点：各大模型系列都会有不同大小的版本，你们现在和阿里有这么深入的合作，继续自己训练更快、更便宜模型的必要性是什么？

李开复：还是我之前的判断——当预训练结果已经不如开源模型时，每个公司都不应该执着于预训练。

而 Yi-Lightning 现在的成本和表现仍不能被开源替代，我们还是会专注用自己的好模型打造好应用。好的定义可以是：够小、够快、够便宜、够厉害。如果有一天真被替代了，我们会做出务实的选择。

晚点：你们和阿里的合作中，他们除了接收部分零一的团队，需要支付其它费用吗？这是否类似一种收购？

李开复：细节还不方便披露。但可以明确说，不是公司资产收购。

晚点：除了阿里，你们和字节有沟通类似的合作可能吗？

李开复：阿里是我们投资人，所以沟通更多。

晚点：阿里为何愿意合作？我收集到两种想法：一是不想让自己的投资“打水漂”，二是为了收集人才。

李开复：阿里的反馈你需要问阿里。可以说的是，联合实验室的合作是基于我们各自的优势，达成了战略和技术产品路线的共识，我们会加速在技术、平台、应用等方面的共享共建，开启中国“大厂＋小虎“的合作新范式。

晚点：零一的管理团队会怎么变化？

李开复：还是祁瑞峰负责销售，谷雪梅负责模型训练和 to C 产品，马杰负责 to B，然后 CMO 是 Anita（黄蕙雯）。我的-1 其实基本一直没变，只是职责有调整。

晚点：我们了解到，零一也在推进拆分一些业务，比如把游戏应用拆成一个子公司，独立对外融资，这是出于什么考虑？

李开复：还是一些准备，没有真的执行完。

晚点：去年 5 月那次访谈，你说零一要做就想做成一个万亿美元公司，要做成 AGI 时代的微软。这个梦想算是破灭了吗？

李开复：当然没有，但是我暂时不会去想它。

当时我觉得最有价值的公司是 AI 时代的微软，今天还没有谁做出来，每家公司都还有机会。只能说我们现在是从应用起步，微软的第一个产品， BASIC 编译器，也是应用。

谁都可以仰望星空，更重要的是脚踏实地。

“只有大公司能继续做超大模型；Scaling Law 在变慢；商业化灵魂拷问时刻已经到来”

晚点：现在零一的定位和方向，与去年 5 月你描述的展望已有很大差别，这些变化很突然。

李开复：这件事没有一个突然的起因，也不是被动的调整，是去年 5 月开始萌芽，第三季度看到需要走这条路，之后跟阿里讨论，这一个月做了执行。

一部分是因为行业变了，一部分是因为认知变了。

晚点：从去年 5 月到现在，哪些行业和认知变化导致了现在的选择？

李开复：主要是三件事，第一，从商业角度考虑，我们认为只有大公司能继续做超大模型，第二，Scaling Law 在变慢，第三，商业化灵魂拷问的时刻已经到来。

第一件事，我们去年 5 月就意识到了：我们认为 2025 年是应用爆发年，这需要能支持普惠应用的、够快、够便宜的模型。所以我们重新定义了目标：不是要烧世界上最贵、最大、表现第一的模型，而是要做足够便宜、足够快的模型。

现在市场上最主流的模型也都是像 Yi-Lightning 这样更小的模型，比如 GPT-4o mini 和 Anthropic 的 Claude 3.5 Sonnet。它们的性能即使不是最顶尖，支持应用也足够了。

到 9、10 月时，我们也看到 Scaling Law 明显进入 diminishing return（收益递减）。不是说用更多算力和数据做不出进步，而是进步不符合投资回报。举个例子：从一张卡加到 10 张卡时，可以达到 9.5 张卡的价值，但从 10 万张卡加到 100 万张卡，也许只能达到 30 万张卡的价值。另外，如 Ilya 所说，互联网数据资源就像化石燃料般正逐渐枯竭，虽然算力还在提升，但数据增长速度已见顶。

晚点：Scaling Law 变缓，几乎所有 AI 公司都感受到了。但最头部的公司还是在持续做超大模型。

李开复：因为这并不代表超大模型就彻底没用了，超大模型一个非常重要的用处，就是可以做教师模型。

这个趋势不是我发明的。你看 Anthropic 的 Opus 模型后来就不给外面用了，为什么？因为它就是用来做教师模型。

就我们了解，Opus 其实训练得挺好，但太大、太贵、太慢，对外也卖不了多少，卖出去的也是被竞品用作教师模型，那还不如留着训练 Sonnet，然后卖 Sonnet。

（注：Anthropic Claude 系列模型从大到小，分为 Opus、Sonnet 和 Haiku 3 个版本。Opus 最大、最贵。Claude 3 发布了全部 3 个版本，而 Claude 3.5 目前只对外发布了 Sonnet 和 Haiku。）

晚点：OpenAI GPT-5 迟迟不发布，和这个趋势有关吗？

李开复：GPT-5，或者也可能叫 4.5，这个还没定论，但 OpenAI 已经做出来了，在内部测试效果。它确实更好了，但好的程度不匹配它带来的延迟和成本。

它会不会对外卖，我不知道，但它绝对扮演着把 GPT 其它小模型提升一遍的功能，就是提升 “学生” 的能力，然后再用 “学生” 来做应用普及。

晚点：在技术上，作为教师模型的超大模型，具体怎么提升其它更小模型的能力？

李开复：一是可以标注一些结果，这能大大提升后训练的效果。

二是超大模型可以生成合成数据，合成数据可以用作训练新模型。比如像 Yi-Lightning 这样的模型，数据到达一定量级之后（训练效果）会饱和，合成数据虽然不能完全替代真实数据，但可以帮助生成更好的数据，让它饱和之后再上一个台阶。

晚点：你举的例子里，Anthropic 和 OpenAI 都是自己在做教师模型。

李开复：中国公司面临芯片的限制，融资额和估值也远低于类似的美国公司。如果你一年烧 5 亿美金，就算融了十几亿美金，也会马上面临拷问。

所以只有那些真心想做 AGI，想做世界最大、最棒、最牛模型的公司能继续做超大模型。这个成本、代价会非常高，绝对不是一个初创公司可以做的事。创业公司去和大厂比，谁能烧出更大的模型，最终不会成功。

晚点：所以你们选择了 “抱大腿”？

李开复：因为我们自己做不起教师，那谁来做，就是大厂。你要是说抱大腿，也行。我们应该勇敢地做这个决策，因为它符合趋势，也让我们可以轻装上阵。

做一个很棒的手机应用，需要重做一个安卓吗？做一个很棒的 PC 应用，需要重做一个 Windows 吗？以后这种超大模型的能力肯定是靠大厂。

晚点：OpenAI o1 的出现，看起来会打开 Scaling Law 的第二曲线。这会怎么影响你的上述判断？

李开复：我恰恰觉得，一个非常快的推理模型，在 o1 之后的 inference-time Scaling Law 时代更符合趋势。因为慢思考和长思考会拉长响应时间。之前只有一步思考，就算你比别人快 5 倍，用户收益也不明显。但如果是多步思考，就会放大推理速度的差距，慢的模型在一些场景会不可忍受。

我们自己做了非常快的推理引擎，以后可以做更多实验，这也是我们选择更快、更便宜路径的另一个原因。

（注：o1 会 “像人一样” 分步思考问题，它通过把更多算力资源放到推理（inference）阶段，来提升模型表现。）

晚点：零一是第一个和大厂做 “教师-学生” 合作的，未来会有更多中国创业公司有相似动作吗？

李开复：我不想评估别的公司，但我觉得，全世界每个较小规模的大模型公司都要考虑这 4 件事：

• 一是 Scaling Law 变慢时，我们该怎么办。
• 第二是，只有大厂能做巨大模型的时候，我们怎么回应。
• 第三是，在商业化困难的时候，怎样能找到一个成长之路，能接住灵魂拷问。
• 第四是，当能拿到不错收入时，怎么也有可解释的成本——不要让好不容易成长起来的这点收入，变成了一个成本小数点之后的数字。

“从信仰 Scaling Law 到怀疑 Scaling Law 只花了一年时间”

晚点：接下来可以来聊一聊你说的商业化灵魂拷问。其实大模型创业热潮才两年，为什么现在就进入拷问时刻？

李开复：因为大模型时代，一切都加快了。如果我们回看 AI 1.0 时代，技术就是深度学习；应用是从视觉逐渐切入其它，一个个慢慢来。

公司的发展，从谁的人最牛、论文最多、比赛成绩最好，慢慢进入商业里程碑，谁能拿下一个大单，谁能再多拿几单，谁能商业扩张；最终灵魂拷问是——不考虑你是个 AI 公司，你的财务报表能不能上市。这不是终点，但是一个重要里程碑，投资人能退出，公司能带着更多信誉往前走。这个过程，商汤等 AI 1.0 公司普遍走了 6-8 年。

现在一切都加快了。技术迭代加快了，我们从信仰 Scaling Law 到怀疑 Scaling Law 只花了一年时间。过去不是这样，摩尔定律支撑了多久？

灵魂拷问也来得更快。因为要烧 Scaling Law 的创业公司会烧钱更多、更快。所以我们更应该做一个符合商业逻辑、对投资人负责，能确保活下来的商业模式。这才能面对最后的灵魂拷问：你到底能不能把技术转换成商业价值，先有收入，再增加收入，然后收窄亏损，最终从单点盈利到多点持续盈利。这个过程必须加快。

晚点：怎么回答这个拷问？

李开复：可以拆分成几个题目：第一，你到底懂不懂商业运作？第二，这个事情到底能实现多少收入？第三，能实现多少收入增长？第四，能不能控制成本。

从我的角度，有几个重要的原则：第一是，不打打不赢的仗。如果一个行业你没有验证负担得起的 PMF（产品市场匹配），或一定程度验证了，但面临巨头的强碾压，这个仗是不能打。

第二，不能去做大量看不到回报的投入。比如有些 To C 应用，一旦停止投放，用户就不增加了，或即使它有一定自然增长，也需要不断输血、亏损才能维持行业地位。类似的还有付费不高、不创造核心价值的 To B 招标，它会变成恶性循环：付费少，很难做好，客户就不满意，AI 公司也赚不到钱。

晚点：这么严苛的原则下，能投入的商业化方向岂不是很少？

李开复：这就是一个难解的局，To B、To C、国内、国外，都不容易做。

国内 To C 很难有收入，而且巨头掌握用户和流量。国内 To B，大部分案子不能赚钱，项目制的案子还不见得能复制，然后国外 To B 我们根本不会做。

这么难解的一个局的前提下，还有一个问题：如果你还要烧巨大的模型，还有 5000 张、10000 张卡，每年带来 2-3 亿美金的成本，这些成本怎么分摊到业务收入上去？如果你的亏损是收入的 5 倍、10 倍、20 倍，灵魂拷问就会失败。我在朋友圈里说 “2025 年是商业化淘汰年”，就是这么一回事。

所以作为一个 AI 创业公司，我们要把用在 GPU 上的钱当做一个 Business Expense（营业费用），就和买电脑、出差经费一样。

如果决定要买 GPU，要花多少钱？一年花几次？可以得到多少回报？这些都要回答清楚。你问任何一个公司的 CEO、CFO 或采购：买或不买电脑对公司的影响，他都能清楚告诉你。

晚点：这还是早期创业公司的逻辑吗？

李开复：初创期不用考虑这个，我们去年就没考虑，但现在灵魂拷问来得更快了。

晚点：如果长板足够长，是否可以推迟拷问到来的时间？比如模型特别惊艳，或产品增长数据特别好。

李开复：当然可以。但我们现在看到的中国打法是把推理成本降低。我们的模型是在变快，但这件事怎么转换成钱？还是要回答拷问。

晚点：零一可以把长板做得特别长，先不考虑收入和盈利吗？

李开复：这是一个平衡问题。我和我的团队，做收入是有信心的，做增长我们会试。

做模型有很长的长板，坦诚说，中国今天还没有一个公司做出来了。

晚点：最近很受关注的 DeepSeek 算做到了吗？

李开复：DeepSeek 做得非常好，它的优势跟我们类似，对比美国最强的模型，DeepSeek 和 Yi-Lightning 是性价比高，而美国顶级模型是绝对 performance 更好。

我们非常尊重 DeepSeek。但如果真要说长板特别长，可能还要观察。

“2025 年零一会有数亿收入”，怎么来

晚点：零一现在的思路是直面更快到来的商业化拷问，你昨天在朋友圈也提到， 2024 年你们的实际收入已超 1 亿元人民币，2025 年还会翻数倍。具体要怎么做到？

李开复：我们应该是 2023 年新成立的 4 家大模型六小虎里（智谱 AI 和 MiniMax 两家六小虎在 2023 年之前已成立），第一家做到 1 亿收入的，这离上市还远得很。但作为第一个运营年，有 1 亿元收入，是一个挺自豪且挺独特的事。

我们的海外 To C 产品基本已打平，接下来有机会盈利。国内的 To B 落地场景里，我们在游戏、能源、汽车、金融领域，也都在谈千万以上的单子。而且基本都是软件单，不是打包卖硬件、卖服务器。下一个阶段我们会继续放大这些领域，也会进入我们有机会的新领域。

晚点：进这么多 To B 领域，会不会重蹈 AI 1.0 的老路：在好多场景里接了定制化、高难度的订单，被交付拖得步履沉重。

李开复：有些领域我们不见得自己做，我们会和行业公司共创，一起设合资公司，对方出行业 Know-how 和一些可分享的垂类数据，我们出技术，一起做细分行业模型和更好的行业解决方案。

现在整个行业的一个挑战就是，客户和技术提供商不是双赢，而是一方压价，另一方因为没有利润只能随便做做。如果能结合对方的行业 Know-how、数据和我们的技术，做合资公司，做大两边都有钱赚，做得不好两边都有亏损，这样更能创造价值。我有把握，在 25 年能有数倍收入增长，从 1 亿做到数亿。

晚点：明年，后年呢？To B 怎么保证收入增长可持续、可预测，是一个老问题。

李开复：有 3 种 To B 可以做：一是能给客户创造核心价值的，就是不仅帮它省钱，还能帮他赚钱。

二是在一些特别垂直又适合大模型的领域，找到一家有远见的公司和 CEO，对方愿意和大模型公司一起共创。这对企业是个巨大的决定和投入，这种单子肯定不多，但每个都是金矿。

第三就是做方案有复制性的领域，服务第一个客户时可能不赚钱，但后面还有 20 个、100 个。

中国大模型创业公司会全军覆没吗？——“没有任何概率”

晚点：2024 年，零一陆续有中高层离开，包括前预训练负责人黄文灏、生产力 To C 产品负责人曹大鹏、多模态研发负责人潘欣等，这是从之前追求更大模型，到准备接受拷问的调整带来的吗？

李开复：每个人离职可能有不同理由，有些是想追求 AGI，有些可能是禁不住诱惑。大厂突然要来天价来挖人，每个创业公司都遇到了。

我只能说我们初创时的我的 -1 基本都还在，我们是靠这些人去不断找优秀的人。

晚点：黄文灏是不是字节高层亲自来挖的？

李开复：（笑）我不知道。

晚点：中国大模型创业公司全军覆没，这个概率有多大？

李开复：没有任何概率。

这些公司都很聪明，都有很多资金，所以都会找到自己的方向，我还是坚信一个判断——三年后，没有一个公司会被认为是大模型公司。就像今天你不会说字节、美团是移动互联网公司，你会说它们是社交、内容、外卖、电商公司。

晚点：我说的全军覆没，不是指这些公司死掉，而是指它们没有像一些人期待的那样成为新一代巨头，这轮技术变化的绝大部分成果会被现有科技巨头获得。

李开复：如果真是这样，就代表了 AI-first 应用没有想象中那么颠覆，所以我不认为这会发生。

因为每一个足够颠覆的 AI-first 应用，都是一个创业公司的机会。从互联网到移动互联网，搜索没怎么被颠覆，所以 Google、百度依然很强，但出行、短视频、支付、本地生活……确实是移动互联网的新应用，它们需要 Mobile-first 的特性才成立：标记地理位置、随身携带等等。

晚点：那么 AI-first 应用的核心特性是什么？

李开复：用自然语言做交互，有通用推理和理解能力。还有一个判断方法——就是一个应用如果没有大模型就不成立，那它肯定是 AI-first 应用，比如主要由 AI 来写作的工具；缺少不了 “AI 朋友” 的社交网络等等。

只要 AI-first 成立，就会有非常多的创业公司跑出来，我坚持认为这才是高概率事件。AI 是比移动互联网更颠覆的技术。

“等了 40 多年，不试才是遗憾”

晚点：上一次聊时，我们讨论过一个问题，就是其实你没有必要自己到一线创业，和你行业地位、人生阶段相似的人，更多是选择支持一个公司，而你却自己当 CEO，主动跳入了这个混战。回头看，会后悔这个选择吗？

李开复：不会，我之所以决定做这件事，是看到它特别适合我的背景，它包括了技术、产品、投融资和商业运作，我能给这件事带来独特价值。

每个创业的过程中，都会有跌荡起伏和调整。如果一个 CEO 碰到一点挑战就开始后悔，这样的人没资格做 CEO。

晚点：功成名就时再来做一个新公司，会不会有额外的包袱？

李开复：我没有。反而是，如果等了四十多年，终于等到了 AI 时代，我却没有出来做我擅长做的事，没有去试一把，这会成为终身遗憾。

晚点：你之前投资过很多公司，也深度孵化过科技创业公司，自己创业这两年，你的成长是什么？

李开复：不要针对不可能的目标盲目投入；机会来临时，要勇敢做决策，机会消失时也是。

还有，要能对未来有一个比较清晰的预测，基于这个预测，提前做调整。我们今天就是在这么做。

晚点：你对 2025 年的预测是什么？

李开复：第一是会有大量 To C 应用爆发。

第二是，我们会挖掘到 To B 大模型的 PMF，这指靠大模型才能满足的 To B 真实需求，大量 AI-first 细分行业模型也会爆发。它的主要价值不是在金融、保险这些大行业，而是在垂直行业里；行业老大不一定特别大，但它们的营业额会因为有大模型而翻倍。这是最好的 PMF，因为马上能产生巨大价值。我们已经有一些尝试，现在还不能剧透太多。

晚点：关于 2025 年的应用爆发点，现在被讨论很多的方向是推理能力提升后打开了 Agent（智能体）应用的更多可能。你怎么推演 Agent 2025 年的发展，零一可能会做哪些尝试？

李开复：我们对 Agent 已经做了一些探索，怎么让大模型从能言善道到理解并执行一系列逻辑，从能处理单指令到多个指令。

现阶段大模型要落地为智能体，距离 “点石成金” 还有很多难点，通用的 Agent 平台还需要时间。但在一些垂直领域，比如法律、游戏、金融服务领域，我们已经在和合作伙伴一起开发行业模型 +Agent。

晚点：之前向你搜集对 Good AI 的看法时，你说：工作其实是工业革命遗留下的魔咒，你希望能出现一个将人类从繁冗的重复劳动中解放的 “Super Agent”。如果真有了 “Super Agent”，你会把时间用来干什么？

李开复：继续做我热爱的工作，只要这个工作还没被 AI 取代。花更多时间和我爱的人在一起，这一定是 AI 做不了的。

晚点：想对其他大模型公司创始人说什么？

李开复：王慧文说过一句话，每一位都是勇士，我们应该彼此鼓励。

晚点：最后问一个轻松点的问题，2025 年的新年愿望是？

李开复：两个女儿职场顺利，情场顺利。

证明零一万物今天做出的决定是正确的决定。

题图来源：视觉中国