机器人公司最贵的成本不是 GPU，是给人看视频的工资。
2026 年 10 月，英伟达 GEAR 实验室把自家内部用的视频标注引擎 Flora 开源了。用它标注一小时机器人视频，成本约 0.72 美元；用 GPT-6 Astra 做同样的事，要 88.49 美元。125 倍的价差。但真正值得注意的不是便宜，而是英伟达把机器人价值链里最贵、最不透明的一环——视频数据标注——做成了开源基础设施。
现象：三个 Qwen3.5 模型，覆盖机器人训练最需要的三种标签
Flora 不是一个大模型，而是一套三个微调模型组成的流水线。
Flora-TempSeg 9B 基于 Qwen3.5-9B 加 LoRA 适配器，负责把视频切成动作片段，回答“什么时候发生了什么”。Flora-Captioner 27B 基于 Qwen3.5-27B，先做 SFT 再做 RL 优化，给每个片段写一条英文动作指令，还会参考前后文。Flora-Rewarder 27B 同样基于 27B 模型，一个模型干三件事：给整个 episode 打 1 到 5 分的成功分，把视频里每半秒的动作步标成正常、次优或失败，再按自定义 rubric 打分。
这三种标签正好对应机器人训练的三个阶段。动作边界检测用来筛选训练数据；逐步执行评分让机器人通过试错学习；任务成功判断用来在部署期监控机器人。过去大多数工具只提供一种，GPT-6 Astra 这类通用大模型能全包，但价格贵到无法处理海量视频。Flora 把三件事装进一套开源流水线，直接对准了 Scale AI 的 Physical AI Data Engine 这类商业服务。
分析一：125 倍便宜从哪来——Qwen3.5 微调加自托管推理
成本差距首先来自模型路线。Flora 的三个模型全部基于阿里的 Qwen3.5 家族微调：9B 做分割，两个 27B 做标注和奖励。英伟达的成本测算是这样算的：按每张 GPU 每小时 10 美元的租金假设，用 8 张 GB300 跑 Flora，标注一小时源视频约 0.72 美元；GPT-6 Astra 开到最大推理 effort，一小时要 88.49 美元。两者相除，大约 122 到 125 倍。
这里有两个细节值得注意。
第一，这个数字是建模推算，不是生产实测。英伟达自己也说，成本基于假设的 GPU 租金。第二，团队内部口径并不完全一致：Jim Fan 对外说的是 125 倍，队友 Ryan Punamiya 说是 GPT-6 Astra 成本的 1/100。但无论取哪个，数量级都是两个零。
更关键的是部署方式。Flora 是自托管的开源权重，放在 Hugging Face 上，采用英伟达非商业许可。模型一旦下到自己机器上，边际成本就只和 GPU 租金有关，和 API 调用次数无关。对日均要处理几十万小时视频的机器人公司来说，API 按量计费的成本会随规模线性累积，自托管则把成本曲线拉平。
开源对闭源 API 的结构性优势就在这里：不是某一次便宜，是规模越大越便宜。
分析二：便宜不等于全面落后，Flora 在时序上赢，在描述上输
如果 Flora 只是便宜但标注质量差很多，故事会单薄很多。英伟达的测试数据给出了更复杂的图景。
在一个 50 段视频的测试里，Flora 的综合标注质量得分 57.1%，略高于 GPT-6 Astra 的 53.7%，而后者价格是前者的 125 倍。同一测试里，Claude Opus 5 表现差得多，成本还要约 42 美元一小时。
但拆开看就不是一边倒。
在公开的 WGO-Bench 上，Flora 的动作边界检测能力最强，这正是它作为时序分割模型的强项；但总分落后 Astra，纯描述准确率还落后谷歌的 Gemini 3.8 Flash。在英伟达自家的 DenseCaptionBench 上，Flora 在人类录像的所有指标上领先，但在机器人视频上排第二，落后 Astra。
研究者还承认一个方法论问题：GPT-6 Astra 在被测试的同时，也是描述质量的评估者之一。换句话说，Astra 在给自己打分。这个细节不会推翻测试结果，但提醒读者，英伟达给出的“质量更高”需要打一点折扣。
更稳妥的结论是：Flora 在最影响机器人训练效率的时序定位环节做到了最强，在纯语言描述精度上仍不如顶级闭源模型。但考虑到 125 倍的成本差，这个取舍对大规模预训练语料来说完全可接受。
分析三：英伟达真正要布局的是机器人数据价值链
Flora 已经不是一个实验项目。
英伟达说，它是训练 GR00T 模型的内部数据引擎，日均标注 20 万小时视频，跑在 512 张 GB300 GPU 上。这意味着这套系统已经经过大规模实战检验，开源只是把内部工具外溢成生态武器。
把 Flora 放进英伟达的机器人版图里看，逻辑就清楚了。硬件层有 GPU 和 GB300，仿真层有 Isaac Lab 和开源的 Newton 物理引擎，模型层有 GR00T，现在数据层有了 Flora。从数据标注、仿真训练到模型部署，英伟达正在把机器人研发的全链路都做成自己的标准。
开源 Flora 的战术意图很明确：让研究者用英伟达的工具链生成自己的机器人数据集，把人类示教视频迁移到机器人上，最终训练出来的模型还是要跑在英伟达的硬件上。
这也解释了为什么英伟达选择开源而不是卖 API。数据标注是机器人公司最不想交给第三方的环节之一，涉及大量专有视频数据。开源权重让公司可以把数据留在本地，消除了隐私顾虑，同时把英伟达的模型格式变成事实标准。相比之下，Scale AI 的 Physical AI Data Engine 这类闭源服务，面对的是更愿意把数据送上云的小团队。
结论：谁会被 125 倍的价差逼到墙角
Flora 的影响会分层传导。
最直接受益的是有海量视频但预算有限的机器人研究团队和初创公司，他们第一次可以用接近零的边际成本标注自己的数据。其次是整个人形机器人赛道，数据标注成本下降会加速策略模型的迭代速度。
压力最大的是两类玩家。一类是提供标注 API 的闭源模型厂商，当开源模型在关键指标上追平甚至反超，而价格只有 1/125 时，API 定价模型会受到直接挑战。另一类是传统数据标注服务商。机器人视频标注这种高度专业化的工作，过去靠人力堆出来的护城河，正在被专用微调模型快速填平。
但也要看到 Flora 的边界。它的成本数字是推算的，不是实测；它在纯描述精度上仍落后顶级闭源模型；它采用非商业许可，商业化落地还要看许可条款。开源只是给了入场券，真正决定胜负的是谁能在自己的垂直场景里积累更多高质量数据，并用这些数据持续微调模型。
机器人行业的竞争，正在从“谁的模型更大”转向“谁的数据更便宜、更干净”。英伟达开源 Flora 的真正信号是：当数据标注变成水电煤，卖铲子的人已经开始给整条矿脉定价。
快报