英伟达把机器人数据标注这件苦活，做成了一个可以开源分发的数据引擎。

发生了什么

据 The Decoder 报道，英伟达开源了名为 Flora 的数据引擎，专门用于机器人视频的标注。按报道给出的对比，标注一小时机器人视频，用 GPT-6 Astra 的成本是 88 美元，而 Flora 只需 72 美分，约为前者的 1/125；同时 Flora 在质量评分上还略高于对手。

Flora 的技术路线并不复杂：它建立在三个经过微调的 Qwen3.5 模型之上，属于典型的「小模型 + 领域微调 + 流水线编排」组合，而非依赖单一通用大模型硬扛。报道提到，Flora 在识别机器人动作错误方面明显比竞品可靠，但在描述性准确度上偶尔会失手。英伟达将 Flora 定位为其机器人战略中的关键一环。

为什么重要

机器人学习长期卡在数据上。训练一个能泛化的操作策略，需要大量带动作标签的真实视频，而这类标注过去高度依赖人工，或者用昂贵的通用大模型逐帧处理，成本随数据量线性膨胀。谁能把标注成本打下来，谁就掌握了机器人数据飞轮的入口。

Flora 的意义有两层。第一层是成本结构：72 美分对 88 美元不是优化，而是换了一种做法——用微调过的小模型承担垂直任务，把通用大模型的「通才溢价」挤掉。第二层是开源：英伟达没有把这条流水线锁在自家云服务里，而是开放出来，这会加速整个机器人研究社区的数据生产节奏。

值得注意的是，Flora 选择基于 Qwen 系列做微调，而不是自家模型。这既说明开源基座在垂直微调场景中已经足够可用，也说明英伟达在数据引擎这一层更在意生态覆盖而非模型归属。

影响与看点

对机器人团队和具身智能开发者来说，最直接的变化是数据预算的重新分配：原本只能标几百小时的钱，现在可能够标数万小时，瓶颈从「买不起标注」转向「如何设计标注 schema 和质检流程」。

需要保持克制的地方也很明确。报道只给出了动作错误识别和描述性准确度两个维度的表现，Flora 在长尾场景、多视角、遮挡条件下的稳定性尚不清楚；「描述性准确度偶尔不足」对需要生成训练用语言指令的下游任务可能是实质性问题，而非小瑕疵。

另一个看点是英伟达的意图。把数据引擎开源，等于把机器人数据生产的门槛压低，而数据越多，训练和推理的算力需求越大——这与其硬件生意是同向的。Flora 表面是工具，实质是在为机器人时代的算力需求铺路。

一句话判断：Flora 真正的价值不在于省下的那 87 美元，而在于它把「机器人视频标注」从服务变成了可自建的基础设施。