Reference · Company dossier
美国匹兹堡的托盘搬运 AMR 厂商,以无基础设施的视觉/LiDAR 导航自主叉车与牵引车深耕北美制造与仓储。[确认]
2003 年由 CMU 机器人专家 Hans Moravec 创立,把视觉导航从实验室带入仓库;2005 年商业化 3D 占据栅格 "Grid Engine",2009 年推出牵引车 AMR,2022 年推出首款自主叉车 Lift RS1。[确认] 总部匹兹堡,2020 年收购 Box Robotics(3D LiDAR、高精地图、深度学习感知),CTO Tom Panzarella 来自该团队。[确认] 2014 年 10 月因资本结构复杂、资产负债表承压申请预打包 Chapter 11,当时列示负债约 4,870 万美元;2015 年 1 月重组计划获批,大股东兼债权人 Giant Eagle 通过债转股成为控股方。[确认] CEO 经历 Jim Rock → Joe Pajer(2025 年退休转任董事会顾问)→ Chris Baker(2025 年 9 月 16 日上任)。[确认]
2024 年 9 月完成 5,000 万美元 D 轮,由现有领投方 Giant Eagle 与 G2 Venture Partners 出资,其余为老股东跟投。[确认] 2025 年 10 月又以 Form D 申报 2,500 万美元、目标 5,000 万美元,媒体称"完成一半"。[确认] 第三方数据库对累计融资口径不一(约 1.9 亿–2.5 亿美元)。[确认-口径不一] 公司未披露估值与收入。[未获取]
硬件包括 Lift EL1(窄通道轻载)、Lift RS1(举升 6 英尺/3,500 磅)、Lift CR1(举升 15 英尺/4,000 磅)与 Tow Tractor 牵引车;软件包括 Fleet Central 车队管理、Supervisor、Autonomous Buffer Management,2024 年推出 Sliding Scale Autonomy(自动驾驶与人工接管分级)。[确认] 另有 Seegrid Capital 提供分期付款与融资租赁,降低客户采购门槛。[确认]
Seegrid 的栈围绕“无基础设施导航”构建,分四层:车体与执行机构、感知与定位、导航与安全控制、车队调度与业务集成。导航层用计算机视觉做定位与地图匹配,车体不依赖反光板、磁条或二维码,进场后即可建图运行 [确认]。这套路线源自 2005 年的 3D 占据栅格 Grid Engine,公司把它作为视觉导航商业化的起点 [确认]。2020 年收购 Box Robotics 之后,3D 激光雷达、高精地图与深度学习感知并入产品线,感知从纯视觉扩展为视觉与激光的融合 [确认]。
产品按负载与举升高度分化。EL1 举升 5 英尺 2 英寸、载重 2,700 磅,面向窄通道与第三方物流;RS1 举升 6 英尺、载重 3,500 磅、最高速度 5 英里/小时;CR1 举升 15 英尺、载重 4,000 磅 [确认](官方产品页)。三款车共用货叉接口,货叉按 ITA 标准制造,可选 36 至 72 英寸长度 [确认](官方产品页)。计算平台与主控芯片型号未公开 [未获取],感知模型在车端推理,这一点公司有明确表述 [确认]。
安全层是这套栈里规格最高的部分。RS1 配 5 个 2D 与 3D 激光雷达,覆盖车体四周 360 度,另有 3 个急停按钮、转向与状态灯带、声学警示 [确认](官方产品页)。安全功能按 ANSI B56.5 与 ANSI R15.08 设计,公司称其分层感知超出这两项标准的要求 [确认]。调度层由 Fleet Central 承担,向上接 PLC、WMS、ERP 与 MES,向下派发作业序列并管理自动充电 [确认]。
定位走视觉路线,相机拍摄货架、立柱、墙面的稳定特征,与预先建立的三维地图匹配后输出位姿。仓库与工厂的光照条件比室外可控,视觉方案在这种环境里能拿到足够特征,免去反光板的安装与维护 [推测]。3D 激光雷达补上深度与安全检测,点云与图像在车端融合,形成对通道、货架与人员的统一描述 [确认]。这套组合的关键在标定:相机与激光的外参一旦漂移,融合结果会把货架边缘算错,取货时货叉就会刮到托盘。
载荷检测是 Seegrid 反复强调的能力。货叉插入前要判断托盘的位置、朝向与叉孔高度,托盘被叉车放歪、缠膜变形、木板上翘都会改变插入角度。公司称 RS1 能在实时调整中修正“摆放不佳或偏转的托盘”,属于动态路径规划的一部分 [确认]。这项能力直接决定无人叉车能否在人工混合作业的现场使用,也决定客户是否愿意把取货点从标准工位挪到任意地面位置。
失效模式与场景强相关。装卸口逆光、地面油污反光、黑色缠膜托盘、粉尘附着镜头都会削弱视觉特征;货架被移位或通道临时堆料会让地图与现场偏离,定位随之漂移,需要重新建图或人工复位 [推测]。安全激光只能扫到安装高度上的平面,悬空的货叉尖、突出的托盘边角、低矮的托盘残片落在扫描面之外,这类区域靠 3D 雷达与视觉补 [推测]。可选路径是反光板或磁导航,确定性更高,改造费用与布局刚性让它在存量厂房里越来越难被接受。
规划按作业单元组织,把连续路径切成离散任务。Fleet Central 把一次搬运拆成取货点、路径段、放货点与充电任务,车端在每段内做全局路径与局部避障,遇到人员或手动叉车时减速、绕行或停车等待 [推测]。通道宽度按双车交会设计,多车在同一通道内由调度层分配优先级,减少对向堵塞 [推测]。5 英里/小时的速度与 3,500 磅的载荷意味着制动距离长,控制器的加减速曲线要兼顾货物稳定与节拍。
操作动作集中在货叉。举升、侧移、倾斜与插入由液压与伺服配合完成,插入深度靠视觉估计,插入后靠载荷传感器确认托盘已落在货叉上 [推测]。放置时要把托盘送到货架横梁的指定高度,误差超过几厘米会顶到横梁或放空。这类精度依赖现场标定,地面沉降、轮胎磨损与门架变形会逐渐消耗标定余量,客户通常按季度做一次复核 [推测]。
失败模式的代价高于室内小车。无人叉车在满载高速行驶时撞到货架,损失可达数十万美元,安全系统因此采用多层冗余:激光扫描触发减速与停车,机械防撞条做最后一级,急停按钮分布在车体三侧 [确认]。系统还提供分级自治,遇到无法判断的场景由远程或现场人员接管,接管记录进入 Fleet Central 的日志 [确认]。替代方案是把无人叉车限定在固定路线与低车流时段运行,节拍损失换来稳定性。
Seegrid 把数据规模作为核心资产对外表述。公司称累计行驶 2,000 万英里、部署 2,500 多台车、服务 200 多个站点、覆盖 50 多个品牌客户,并把这些数据称为“Physical AI 的基础” [确认](公司口径)。感知模型在车端运行,训练流程、数据标注规模与模型架构均未公开 [未获取]。可确认的是,Box Robotics 团队带来的深度学习方法已经进入载荷检测与障碍分类 [确认]。
数据的价值取决于回流机制。若 2,500 台车的图像与点云能集中回传,Seegrid 可以针对托盘类型、光照条件与地面材质做长尾迭代,这类数据集在工业场景里稀缺 [推测]。客户对产线图像外流敏感,汽车与家电客户通常要求数据留在本地,集中训练的可行性因此受限 [推测]。公司没有披露是否存在联邦式训练或客户授权机制 [未获取]。
模型策略偏工程化。安全功能由确定性逻辑与认证硬件承担,学习模型放在感知增强与载荷检测的位置,这样的分工与 ISO 3691-4、ANSI B56.5 的认证路径一致 [推测]。端到端学习在叉车品类里难以通过失效分析,短期内不会成为主流。模型迭代方向是让同一套模型适配更多托盘与货架形态,减少每个站点的现场调试时间。
整车在美国匹兹堡地区制造,公司把“美国设计、制造与售后”作为卖点 [确认]。门架、车体与货叉按工业叉车的规格设计,结构件供应商以北美金属加工厂为主 [推测]。核心外购件包括安全激光雷达、3D 相机、工业计算平台、电池与驱动电机,具体供应商未披露 [未获取]。RS1 的交期为 26 周 [推测],缺少公开出处;这个数字与按订单排产、批量有限的制造模式一致。
成本由两端推高。3,500 至 4,000 磅载荷的门架、液压与结构件本身价格不低;北美制造的人工与供应链成本高于中国厂商,同样的载荷段,Seegrid 的报价通常高出三到五成 [推测]。公司用 Seegrid Capital 提供分期与租赁,把一次性资本开支转成月度支出,缓解价格对比的直观冲击 [确认]。
产能弹性有限。26 周交期意味着订单波动会直接传到客户现场,旺季插单只能靠加班与备件优先分配 [推测]。服务网络的覆盖以北美为主,欧洲与亚太的客户要依赖当地集成商,备件响应时间以周计 [推测]。这些约束解释了公司为何把市场集中在北美制造与仓储,也解释了它在跨国项目上难以与丰田、凯傲这类全球服务网络竞争。
Fleet Central 是调度与集成的中枢。它提供无需编程的作业编辑器,把位置与动作编成序列;通过标准接口对接 PLC、WMS、ERP、MES 与条码扫描器,让上层系统直接触发搬运 [确认]。自动充电由平台统一排程,低电量车辆按任务优先级被派回充电桩 [确认]。这些功能让客户在不更换现有仓储软件的前提下上线自动化,降低了 IT 侧的阻力。
VDA5050 的支持改变了 Seegrid 在客户系统里的位置。Fleet Central 已支持 VDA5050 接口,可与符合该协议的第三方车辆同场调度 [确认](公司口径)。对客户,混编车队不必上两套调度系统;对 Seegrid,调度层成为客户系统里的一个集成点,软件议价空间因此出现 [推测]。风险同样明显:标准一旦普及,车辆本身的替换成本下降,调度层成为主要的粘性来源。
商业模式上,Fleet Central 采用一次性授权收费,软件费用计入项目资本预算 [确认]。客户的长期支出预期因此降低,Seegrid 的收入结构更依赖硬件交付,经常性收入占比偏低。公司另有两项软件能力补充场景:Autonomous Buffer Management 管理产线之间的临时存货,Sliding Scale Autonomy 让客户按岗位逐步提高自动化比例 [确认]。三项能力都指向同一个目标,把自动化拆成可分段采购的项目,适配预算审批的节奏。
壁垒由转换成本与流程能力两项支撑,强度中等,两项都依赖北美本地的服务网络,跨区域复制时衰减明显。
第一条反证来自 VDA5050 的普及。若客户普遍采用中立的上层调度平台,由平台屏蔽车辆差异,Fleet Central 的绑定作用下降,转换成本被削弱。观察窗口为 2027 年底之前,指标与阈值是:北美制造业采用第三方调度软件的整车厂达到两家以上,且这些站点的招标文件明确要求多品牌互操作,即认定第一条成立。
第二条反证来自低价厂商的认证突破。中国 AMR 与无人叉车厂商已在本土市场验证成本优势,缺口在北美安全认证与本地服务 [推测]。观察窗口为 2027 年底,指标与阈值是:两家以上中国厂商取得 ANSI B56.5 与 R15.08 整机认证,并在北美建成备件仓,Seegrid 在 3,500 磅级的报价被客户按同一口径比较,即认定第二条成立。
第三条反证来自叉车巨头的捆绑。丰田、凯傲、永恒力把自动化功能作为整车选配,客户在采购叉车时一并完成自动化,Seegrid 的独立车辆销售被压缩 [推测]。财务上尚未证明能独立盈利:2014 年 Chapter 11、2022 年裁员约 90 人、2024 与 2025 年连续融资 [确认]。改判条件以 2027 年底为窗口:经营性现金流转正,或在两个以上新行业拿到可复购的标杆客户;两项都未达成,估值按被并购标的处理。
主战场为北美制造、仓储与物流,客户覆盖汽车、家电、快消等大型企业(第三方列举 GM、Ford、Whirlpool、John Deere、Caterpillar 等)。[推测-第三方] 以直销加系统集成商交付,Giant Eagle 既是股东也是标杆客户。[确认] 官方强调美国设计、制造与售后,受益于制造业回流与劳动力短缺;公司 2024 年援引 Interact Analysis 预测,自主叉车市场 2027 年将接近 35 亿美元。[确认/推测-第三方]
对手包括 Vecna Robotics、Rockwell/OTTO Motors、MiR、Third Wave Automation、Fox Robotics,以及丰田、凯傲、永恒力等叉车巨头的自动化产品线。[确认] Seegrid 的差异化在托盘级高举升与无基础设施导航,但产品线窄、规模小,价格与品牌不占优。[推测]
历史上有 2014 年 Chapter 11、2022 年裁员约 90 人、2025 年再次融资的记录,独立盈利能力未证实;CEO 更替与股东集中(Giant Eagle)带来治理与客户中立性问题;同时面对叉车巨头与低价 AMR 的夹击。[确认/推测] 结论:北美托盘 AMR 的细分先行者,技术资产与客户现场数据有战略价值,但财务上更像"被并购标的"而非独立规模化赢家。[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