Reference · Company dossier
印度起家、总部亚特兰大的仓储自动化软件公司，以 GreyMatter 多智能体编排平台统管异构机器人车队，并向门店库存延伸。[确认]
2011 年由 Samay Kohli 与 Akash Gupta 在印度创立（部分资料记 2012 年），两人均毕业于 BITS Pilani，早期客户包括 Flipkart；总部现位于美国佐治亚州亚特兰大近郊 Suwanee。[确认-口径不一/第三方] 2023 年 4 月 Akash Gupta 由 CTO/CPO 升任 CEO，联合创始人 Samay Kohli 转任董事，后离开创办 Budy。[确认] 团队约 900–1,200 人（第三方口径不一）。[推测]
2023 年 12 月完成 1.35 亿美元 D 轮首关，Anthelion Capital 领投，Mithril、3State Ventures、Blume Ventures 跟投，部分资金为债权。[确认] 历史投资方包括 Tiger Global、BlackRock、Mithril；第三方数据库对累计融资口径从 4.2 亿到 5.5 亿美元不等。[确认-口径不一] 公司未披露最新估值，媒体口径约 12–14 亿美元。[推测] 仍为私有公司，未见 IPO 申报。[确认]
核心产品为 GreyMatter 仓储编排平台（硬件无关、可调度多品牌 AMR，按站点/机器人订阅的模式为第三方推测）、Ranger 系列机器人（货到人 GTP/RTP、Tote-to-Person、MoveSmart 分拣、托盘搬运与叉车）、gStore 门店 RFID 库存与商品管理软件，以及 Certified Ranger Network 认证硬件生态；2026 年提出 "Commerce One"，把仓库、门店与供应链作为一个系统管理。[确认/推测]
GreyOrange 的技术栈以编排层为核心，向上接客户系统，向下管多品牌机器人，另有门店库存与仿真两条支线。平台承担订单分解、任务分配、路径与交通管理、库存编排，官方把它定义为多智能体编排平台，口径是每分钟逾百万次调度决策[确认]。硬件侧是 Ranger 系列，覆盖货到人、箱到人、分拣与托盘搬运，认证伙伴网络提供其他品牌的车型[确认]。
数据流从客户系统开始。WMS 或 OMS 把订单推给 GreyMatter，平台按库存位置、机器人能力与工作站负荷拆成任务，分派给具体车辆，车辆执行后回传状态，库存账与履约进度同步更新[确认]。门店侧的 gStore 走另一条路径，RFID 读写器采集单品级位置，把门店库存与仓库库存并到同一套视图里[确认]。
仿真层在 2026 年独立成产品。GreyMatter Foundry 把仓库流程设计、设备选型与布局规划放进同一个高保真环境，客户在采购前先跑一遍产能与瓶颈[确认]。仿真器同时是实施工具，新站点上线前用它标定机器人与工作站配比[推测]。
机器人侧的位置感知由车型决定。自研 Ranger 用二维码、激光与惯性组合完成定位，认证伙伴的车型沿用各自方案，GreyMatter 只接收位姿与状态，不介入底层导航[推测]。按车型分工让平台能接入不同厂商，代价是对定位质量的把控有限，现场出现定位漂移时，责任落在硬件方[推测]。
平台自身的感知发生在站点层。gStore 用 RFID 把商品定位到三至五英尺的范围，已管理约两亿件门店单品[确认]。2026 年 10 月收购 Site Bionics 后，门店既有的监控摄像头被转成实时数字孪生，用来观察货架缺货、陈列变化与客流[确认]。摄像头提供连续的视觉覆盖，RFID 提供单品身份，两者互补[推测]。
失效模式各有来源。RFID 在金属包装、液体与密集堆叠场景下读率下降，漏读会让库存账虚高[推测]。摄像头被货架遮挡、逆光或隐私规定限制时，数字孪生的更新会中断[推测]。两类数据融合后仍存在时间差，门店补货决策依赖的是几分钟前的状态[推测]。
调度算法处理的是多智能体问题。订单到达后，平台要在满足截止时间的前提下把任务分给不同能力的机器人，同时避免通道拥堵与工作站排队[推测]。车辆电量、载具状态与工位空闲时间都进入约束[推测]。异构车队让问题更复杂，不同品牌的加减速特性、转弯占用的空间与取放机构不一致，路径规划要为每类车保留不同的时间余量[推测]。
控制层的边界清楚。GreyMatter 下发的是任务与目标点，具体轨迹与伺服由车辆控制器完成[确认]。平台能调整的是优先级、区域限速与充电策略[推测]。通信中断时车辆按本地策略继续执行当前任务，恢复后补报状态，平台侧需要处理重复上报与状态跳跃[推测]。
失效模式在峰值时段最集中。订单波峰到来时，机器人与工作站同时成为瓶颈，调度器若按先到先服务分配，热门通道会先堵死[推测]。换成按区域均衡分配，又可能牺牲截止时间[推测]。Foundry 的用途之一就是在仿真里试这两种策略的代价[推测]。替代方案是增加缓存货架与临时工位，用空间换调度弹性[推测]。
算法主体是运筹优化加预测模型。任务分配与路径规划用启发式与约束求解，订单量预测、补货建议与库存周转用时间序列与统计学习[推测]。官方把平台描述为 AI 驱动的编排层，具体的模型结构与训练数据没有公开[未获取]。
数据规模是可见的资产。3,800 多家零售门店上线，仓库与门店合计 13 万个软硬件 agent，仓储侧一万多台机器人、一百多个客户站点，门店侧管理两亿件单品[确认]。跨客户的订单结构、SKU 分布与设备故障模式汇入同一套平台，新项目可以用同类站点的参数做初始配置[推测]。
训练与验证的边界在数据归属。客户站点数据的所有权与使用范围通常写在合同里，跨客户聚合需要脱敏与授权[推测]。仿真能补足新站点的冷启动，仿真参数的准确性又依赖真实站点标定[推测]。模型在 A 客户验证过的补货策略搬到 B 客户，品类结构一变就需要重新校准[推测]。
硬件策略是自研加认证。Ranger 系列的货到人与分拣机型由公司定义，制造环节外包给代工厂[推测]。认证伙伴网络允许第三方车型接入 GreyMatter，平台方负责接口一致性与现场验收[确认]。轻资产模式降低了扩产风险，质量与交期依赖伙伴，缺件时项目进度受影响[推测]。
服务网络是交付能力的一部分。仓储项目需要现场安装、调试与长期运维，公司靠区域团队与合作伙伴覆盖北美、欧洲与亚太[推测]。门店侧的部署更分散，gStore 的 RFID 标签、读写器与安装服务走渠道[推测]。服务成本随站点数量线性增长，规模效应不明显[推测]。
供应链的外部约束在关税与合规。美国市场对进口机器人与电子件的关税影响报价，数据合规要求限制门店摄像头数据跨境流动[推测]。印度与中国供应链的成本优势，在欧美本地化要求下会被部分抵消[推测]。
人员规模与交付模式相互制约。团队约 900 至 1,200 人，第三方口径不一[推测]。项目制交付需要实施、调试与培训人力，站点数量增加时人力同步增加，收入增长与成本增长接近同速[推测]。
接口层是这家公司的主要产品。GreyMatter 与 WMS、ERP、OMS、IMS 做双向集成，订单、库存、履约状态与设备状态都有标准字段[确认]。对下通过适配层接入不同品牌的机器人，适配层要处理协议差异与能力差异[推测]。认证伙伴网络的准入标准，本质上是把适配层做成可复用的规范[推测]。
部署形态覆盖云与本地。大型客户倾向把编排层放在自有数据中心，数据不出厂区；中小客户用云版本，按站点或按机器人订阅[推测]。订阅的具体计价方式没有公开，第三方资料提到按站点与机器人计费[未获取]。
生态关系存在结构性矛盾。2026 年 4 月与 Dematic 建立合作，借集成商渠道放量[确认]。Dematic 自己也卖仓储自动化方案，合作意味着 GreyMatter 可能被嵌入对方的总包项目，自有品牌的可见度下降[推测]。平台越开放，越难在客户界面留下自己的名字[推测]。
反定位成立。AutoStore 与 Symbotic 走封闭的立体库路线，硬件、软件与货架一体交付，客户换方案要重建仓库[推测]。GreyOrange 把编排层做成硬件无关的产品，客户可以保留既有车队，再逐步换车[确认]。这一定位避开了与 ASRS 厂商的正面硬件竞争，也能进入已经有机器人的存量仓库[推测]。
流程能力成立。异构车队的现场集成需要处理协议、能力差异与安全边界，这类工程经验难以从文档获得[推测]。公司在百余个站点与数千家门店上跑过不同组合，实施团队知道哪些配置会在峰值时失效[确认]。流程能力的证据是交付周期与上线成功率，公开数据只有站点数量[未获取]。
转换成本不成立。编排层的替换只涉及接口重做与流程再调试，货架与地面保持原样，数据留在客户系统里[推测]。
网络效应不成立。客户之间不产生直接交互，跨客户的数据聚合只提升配置效率，不构成用户之间的收益[推测]。
规模经济不成立。服务成本随站点线性增长，900 至 1,200 人的团队里实施与支持占比较高，站点翻倍时人力接近翻倍[推测]。
品牌证据不足。H&M、Oakley、Kenco、Exol 等标杆客户提供参考，收入与续费率未披露，品牌溢价无法量化[推测]。
独占资源不成立。平台硬件无关，认证伙伴的车型可以被其他编排层接入，客户数据留在客户系统，平台没有排他权利[推测]。
成立的两项是反定位与流程能力。两者都依赖渠道与现场经验，前者正被 Dematic 的合作关系稀释[推测]。
收入结构的反证。观察窗为 FY2025 与 FY2026 两个财年，指标为软件订阅收入占合同金额的比例，以及新签合同中软件条目与硬件条目的数量比。印度主体 FY2024 营收约 34 亿卢比，比上一财年下降约 32%[确认]。若软件占比仍不披露，且新签合同里软件条目占比低于三成，说明增长依赖项目交付，经常性收入没有形成[推测]。
渠道反噬的反证。观察窗为 Dematic 合作生效后的 18 个月，指标为合作项目中编排软件的归属方与客户界面品牌。若 Dematic 在总包项目里用自己的软件替换 GreyMatter，或把 GreyOrange 降为硬件供应商，反定位的优势被渠道吞掉[推测]。
异构价值的反证。观察窗为 12 个月，指标为客户站点实际接入的机器人品牌数。若多数客户只部署单一品牌车队，多品牌调度的卖点缺少使用场景，平台退化为单品牌车队的调度器[推测]。
规模口径的反证。观察窗为 12 个月，指标为 agent 数量与营收的变化方向。13 万个 agent 是软硬件合计的口径，若数量继续增长而营收停滞，说明单站点价值下降[推测]。
官方口径：3,800 多家零售门店上线、仓库与门店合计 13 万个软硬件 "agent"、过去两年新增 10 万个；仓储侧 1 万多台机器人、100 多个客户站点。[确认] 标杆客户为 H&M（2021 年起，从美国西海岸配送中心扩展至全球）、Oakley、Kenco、Exol；Maersk、UPS 亦被列为客户。[确认/推测] 2026 年 4 月与 Dematic 建立合作，借集成商渠道放量。[确认] 收入未披露；印度主体 FY2024 营收约 34 亿卢比（约 4,000 万美元）、同比下滑约 32%，但税后利润约 1,080 万卢比。[确认-第三方/未获取全球口径]
仓储自动化对手包括 Symbotic（ASRS 龙头）、AutoStore、Dematic、Honeywell Intelligrated、Locus Robotics、Exotec、Geek+、海柔创新；门店库存侧有 RFID 厂商与零售软件商。[确认] GreyOrange 的差异化是"软件定义、硬件无关"，但这也意味着要与自己的硬件伙伴及集成商既合作又竞争。[推测]
项目制交付重、硬件毛利低，软件订阅占比与盈利水平未披露；累计融资超 4 亿美元仍未上市，资本回收压力大；印度主体收入下滑提示基本盘波动；与 Dematic 等集成商合作可能限制自有品牌上限。[推测] 结论：仓储"操作系统"层的稀缺标的，异构车队与门店延伸的故事成立，但需要用持续的收入与续费数据证明，而非仅靠 agent 数量。[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