Reference · Company dossier
曾是美国最具代表性的仓储 AMR 厂商，2021 年被 Zebra 收购，2025 年底被 Zebra 决定剥离，2026 年 4 月转手 Skild AI，品牌已不再独立运营。[确认]
2014 年由 Melonee Wise、Michael Ferguson、Derek King、Eric Diehr 在圣何塞创立，团队源自 Willow Garage 分拆出的 Unbounded Robotics。[确认] Wise 任 CEO 至被收购，后任 Zebra 机器人自动化副总裁；2023 年 5 月加入 Agility Robotics 任 CTO，2025 年 11 月起任 KUKA 软件与 AI 首席产品官。[确认] 公司 2015 年在 ICRA 首次展出 Fetch 与 Freight 两款机器人，随后进入欧美仓储与 3PL 市场。[确认]
2015 年 6 月获 2,000 万美元 A 轮，软银旗下 SB Group US 领投，O'Reilly AlphaTech、Shasta Ventures 参与；2017 年 B 轮 2,500 万美元、Sway Ventures 领投；2019 年 7 月 C 轮 4,600 万美元、Fort Ross Ventures 领投，四轮累计 9,400 万美元。[确认] 2021 年 7 月 1 日 Zebra 宣布以 3.05 亿美元收购，8 月 10 日完成交割（部分媒体记为 2.9 亿美元）。[确认] 2025 年 12 月 9 日 Zebra 在 SEC 文件中决定"处置或退出"机器人自动化业务；2026 年 4 月 15 日 Skild AI 完成接手，对价为现金加股权，金额未披露。[确认] 该部门营收与减值金额未单独披露。[未获取]
Fetch 移动操作机器人（双臂 7 自由度，举升 113 公斤，全伸展负载 6 公斤）；Freight100/500/1500 移动底座（载重 100/500/1,500 公斤）；RollerTop、CartConnect、FlexShelf 等上装模块；FetchCore 云机器人平台负责多机调度、地图与远程运维。[确认] 产品线覆盖从零件搬运到整托运输的全载重区间，是当时业内最宽的 AMR 矩阵之一。[确认] 并入 Zebra 后整合为 Symmetry Fulfillment，与可穿戴设备、RFID 数据联动。[确认]
Fetch 的技术栈建立在开源机器人中间件之上。本体计算单元是一台工业级计算机，运行 Ubuntu 与 ROS，通过以太网接入二维激光雷达、三维相机与惯性测量单元。导航、定位、路径规划与底层驱动都以 ROS 节点形式组织，整机软件可以被客户与集成商改写。[推测]
云端一侧是 FetchCore。它承担设施地图的创建与编辑、任务与工作流编排、车队状态监控、远程诊断与软件升级，对外提供 REST 接口，供仓库管理系统与执行系统调用。任务从云端下发到机器人，机器人在本地完成路径规划与避障，运行状态与事件按周期回传，地图与禁行区在网页界面里维护。[确认]
两条产品线的技术分工不同。Freight 系列是纯移动底座，按 100、500、1500 公斤三档载重覆盖零件搬运到整托运输；Fetch 在移动底座上加了七自由度机械臂、举升机构与夹爪，用于拣选与上下料。上装模块（辊筒、货架、料车对接）通过统一接口更换，同一车队可以承担多种搬运任务。[确认] 公司 2021 年 7 月被 Zebra 以 3.05 亿美元收购，2025 年 12 月 Zebra 决定处置该业务，2026 年 4 月由 Skild AI 接手。[确认]
感知配置以二维激光加三维视觉为主。Freight500 与 Freight1500 装有多台二维激光雷达，视场覆盖机身四周，用于建图、定位与障碍检测；三维相机提供近距覆盖，弥补激光雷达在低矮障碍与悬空物体上的缺口。[推测] 激光量程、相机数量与续航均未在公开规格中给出 [未获取]。惯性测量单元与轮式里程计参与位姿融合，电池与充电策略按载重档位配置，支持自动回桩充电。[推测]
环境理解依赖预先建立的设施地图。机器人上线前由人工驾驶或遥控走一遍场地，激光数据拼成二维栅格地图，随后在 FetchCore 中标出充电桩位置、允许通行的通道、限速区与禁行区。运行时的定位是概率匹配，机器人把当前激光扫描与地图比对，得到自身位姿，再在代价地图上做局部避障。[推测] 语义信息由人工标注进入地图，系统本身不识别货架、人员或叉车。[推测]
失效模式在真实仓库里反复出现。玻璃幕墙与高反光地面让激光测距出现虚警或丢失；人流密集时局部避障频繁触发，机器人停在通道中央造成拥堵；货架与托盘被临时移动后，地图与现场不一致，定位漂移会累积到无法恢复；充电桩前的对接受反光与污渍影响，需要多次微调。替代方案包括地面磁条与二维码导航、三维激光雷达、在通道上方加装反光标记，这些方案各自增加施工成本。[推测]
运动控制采用差速驱动，可以原地转向，最高速度 1.5 米每秒 [推测]，定位精度满足货架对接与充电桩对接的需要 [推测]。全局规划在静态地图上寻找最短路径，局部规划根据实时障碍物调整速度与方向，遇到无法绕行的障碍时上报异常并等待人工处理。多机之间通过区域锁与单行通道规则避免对向冲突，调度逻辑放在云端。[推测]
操作界面面向仓库班组长。任务以点对点搬运配置，也可以按时间窗排班；异常处理包括远程接管、重新定位、跳过当前任务与呼叫现场人员。FetchCore 提供任务完成率、单车利用率、平均搬运距离与故障次数，仓库据此调整车队规模。[确认]
控制层的边界由场景决定。窄通道里两台车相遇时，区域锁的粒度决定了是否会死锁；任务高峰期货架周边拥堵，调度器缺少全局最优能力，只能按先到先服务；地面不平或托盘变形会让对接失败，机械臂抓取依赖视觉标定与物体摆放姿态。替代方案是增加输送线、改用货到人工作站、把拣选交给人工，这些做法在单班产量不高的仓库里更经济。[推测]
Fetch 的自主能力以规则与几何计算为主，没有学习型感知或端到端控制。地图、代价地图、路径规划器与状态机构成整套决策逻辑，参数由实施工程师按现场调优。[推测] 机器学习的使用限于运营分析，例如按历史任务量预测车队需求、识别高频故障模式 [推测]，这部分能力在 Zebra 收购期间与 Symmetry 的库存与可穿戴数据结合 [确认]。
数据资产包括设施地图、任务记录、遥测与故障日志。这些数据对单客户有价值，跨客户聚合能支持基准比较与产品改进，但公司未公开数据规模、标注体系与训练用途。Zebra 持有期间（2021 至 2026 年），数据流向母公司的仓储产品体系。[推测]
训练与验证的公开信息几乎为零。没有论文、基准或第三方复现，导航算法在动态环境中的成功率无法判断，厂商之间的效率也无从比较，评估只能依赖客户案例中的部署周期与运行小时数。[未获取]
硬件设计围绕载重与成本展开。500 公斤与 1500 公斤机型采用钢制底盘、大容量电池与工业级驱动轮，整机重量与充电时间未公开 [未获取]。激光雷达、三维相机、电机与减速机来自外部供应商 [推测]，整机由代工厂组装，Fetch 自身不掌握核心零部件的设计与制造 [推测]。
供应链的议价能力有限。激光雷达与电池占物料成本的比例高，这两类部件在 2020 年前后供应紧张，交期与价格波动直接压缩毛利。产品线覆盖三个载重档，结构件与线束不能完全通用，小批量多品种的生产方式削弱了规模效应。售后备件需要覆盖欧美多个国家，库存成本进一步上升。代工模式让产能快速扩张，也让竞争对手能用相似的供应链做出相近的本体。[推测]
FetchCore 是整套产品里最接近平台的部分。它以浏览器界面提供地图、任务、车队与权限管理，以 REST 接口对接上游系统，以软件开发工具包支持客户自定义任务类型。接口设计偏向项目交付，缺少应用市场、第三方插件体系与开发者社区，集成工作主要由 Fetch 与代理商用项目方式完成。[确认]
开放性来自 ROS。客户与集成商可以读取传感器数据、替换规划器、接入自有算法 [确认]，这在科研与特殊场景里是优势，在标准仓储项目里意味着实施差异大、升级困难 [推测]。Zebra 收购期间（2021 至 2026 年），FetchCore 与 Symmetry 的库存管理、可穿戴设备接通，移动机器人成为仓储数据采集的一个节点，软件价值被并入母公司的整体方案。[确认]
生态位置偏窄。上游有 AutoStore、Exotec 等货箱立体库厂商占据高密度存储，下游有系统集成商把多家 AMR 打包进整体方案，本体厂商自建的调度系统也在向跨品牌扩展。Fetch 的接口能对接仓库管理系统，缺少对生产设备、电梯、门禁的广泛适配，跨楼层与跨建筑场景需要定制开发。[推测]
Fetch 没有形成可持续的竞争壁垒，七种力量里只有流程能力留下痕迹。
第一条可证伪条件与 Skild AI 的接手有关。若到 2027 年底，Skild 公开存量 Fetch 车队的付费转化数据，显示多年度续约率与软件订阅收入达到可披露的规模，说明云平台与客户关系具备独立价值，此前无壁垒的判断需要上调。若接手后只保留少量团队、停止备件供应，则原有判断得到确认。[推测]
第二条关于软件许可模式。若到 2027 年底，FetchCore 以白标方式授权给第三方本体厂商或集成商，并按机器人数量收取订阅费，同时披露软件毛利率高于硬件，说明调度层可以独立成立，竞争壁垒应从本体转移到编排软件。若授权始终停留在项目定制，软件收入的可持续性无法成立。[推测]
第三条是反面证据。Zebra 在 2025 年底决定处置该业务，2026 年 4 月转手给 Skild AI，交易对价未披露。[确认] 这个退出动作说明，通用 AMR 硬件加云调度在低毛利、项目制的仓储市场里难以支撑独立增长 [推测]。若到 2028 年底出现相反案例，例如某家纯 AMR 厂商以软件订阅为主、毛利率接近 SaaS 水平并完成上市，则需要对整个品类的壁垒假设重新评估。[推测]
客户包括 DHL、Universal Logistics、RK Logistics，服务与支持由 Ricoh 等伙伴承接；主要经直销与 3PL 项目进入欧美仓库，2018 年入选世界经济论坛"技术先锋"。[确认] 官方主张数天完成部署，而非数周至数月，这在中型仓库改造中是主要卖点。[确认] 但客户与收入规模始终未公开，难以判断其真实渗透率。[未获取]
仓储 AMR 侧面对 Locus、Geek+、海康机器人、快仓；上游被 AutoStore、Exotec 等货箱立体库挤压，下游遭集成商自有方案替代。[推测] Zebra 的退出说明：通用 AMR 硬件加云调度的独立商业模式，在低毛利、项目制市场难以成立；并购方看重的是编排软件与客户入口，而非本体制造。[推测]
作为独立公司已不存在，品牌、团队与产品线并入 Skild AI；残余价值取决于 Skild Brain 能否把既有车队与编排软件转化为可复用的通用机器人能力，而非 AMR 硬件本身。[推测] 对采购方的现实含义：存量 Fetch 车队的长期支持存在不确定性，选型应确认备件供应与服务承接主体，并评估迁移成本。[推测]
Philosophy sword
融合主轴尚未定义。这里将放：一句话定性、三线状态、三项判定与反证条件。
预留位 · 不参与当前分析