给硬件供应链用的缺货处置自动驾驶，在 ERP 与物流栈之间重分配库存和执行计划。

1. 大型企业已经开始买压在现有系统之上的叠加式自主层，这让新异常层的采用门槛明显下降。
2. 信任边界已经从分析走向动作，因为这个品类现在不是只报问题，而是会把更新后的计划直接回写进 ERP 和物流工具。
3. 库存重分配已经明确往自主软件迁移，缺货分诊因此第一次像个能产品化的流程，而不再注定只能靠人工中间件。
4. Auger 背后的 $50M Series B 说明，这条赛道背后既有真资本，也有真紧迫感，不只是做试点。

催化因素。 Auger 的融资和点名客户说明，企业现在愿意为能在现有供应链栈里动手的叠加式自主层买单，而不是再买一个可视化看板。

先做一套系统，吃进客户现有栈里的订单、库存、发运和计划数据，给一个产品族或一个上市项目拼出实时异常视图。每次缺货事件发生，产品都按服务水平、收入、毛利和运输成本给各类权衡打分，然后生成一份重分配和执行方案。第一版先把人留在回路里：一键批准、稳定回写到现有系统，不碰替换。时间一长，每次动作是被接受还是被否掉，都会变成调策略的训练数据，软件也就能一点点接管更多缺货台动作。

差异化。 这不是可视化看板，也不是完整计划套件替代品。产品接管的是异常执行里最要命的最后一公里：稀缺库存给谁、哪些承诺要撤、眼下该把哪套物流方案回写进系统。真正能守住的资产，是一张决策策略图谱：把客户优先级、SLA、毛利和网络状态，跟最终结果一一连起来；再加上审计轨迹和回写集成，企业才会随着时间推移，把更深的自主权交出来。

待完成任务

flowchart LR
  Buyer[Supply chain control-tower lead] --> Pain[Launch shortages force manual reallocation]
  Pain --> Product[Shortage-resolution autopilot]
  Product --> Outcome[Higher fill rate with less expedite spend]

高管要点

• 切口是真实的：新公司和现有厂商都开始把未解问题表述成“如何把跨栈信号变成协调动作”，说明市场已经越过纯看板阶段，但还没被专打缺货的点状方案挤满。[2][21][24][27]
• 买方的紧迫感不是天天爆发，但一旦来就很痛：新品上市缺货、OTIF 罚款、关税变化和运输冲击，都会很快吞掉服务和毛利，所以从单个产品族试点切入，能直接挂到已有预算的战情室上。[7][12][25]
• 最好卖的不是笼统的“自主供应链”，而是围绕一个业务单元、且由人审批的缺货处置：能回写进现有系统，还能把挽回收入、加急支出和周期缩短讲清楚。[5][19][20][31]
• 竞争强度不低，但分散在计划套件、可视化网络和 AI 原生叠加层三类里；只要部署速度快过套件，并在策略驱动的库存分配上比偏物流的控制塔更深，创业公司仍有机会赢。[18][21][24][27][33][34][35]

市场定义

这类软件压在 ERP、计划、仓储和运输系统之上，专门处理供应链异常——尤其是缺货——它会给权衡排序、生成跨系统动作，并逐步从给建议走向受治理的执行。[3][5][21][24][29]

用户与买方

日常用户通常是控制塔负责人、分配规划员、供需规划员或网络规划员——这些人本来就在订单、库存、物流和客户优先级之间对冲冲突信号。真正的经济买方通常是供应链副总裁、COO 或业务单元 GM；一旦回写和治理重要起来，IT/数据负责人也会一起进场。[2][4][32]

购买触发点

• 供应商失手、需求暴涨或上市延期，立刻触发跨区域、跨渠道、跨客户的人工分配电话会。 [2][6][8]
• 关税、出口管制或强迫劳动合规压力上升，迫使寻源或流向决策更快变化，表格响应已经跟不上。 [7][12][13][14][15]
• OTIF 暴露、加急运输，以及重复单/缺货单，让异常处理拖得太晚的成本直接暴露给财务和客户团队。 [25][26][28][32]

支付意愿

这笔钱属于企业运营预算，不是效率型 SaaS。买方今天本来就在为安全库存、加急运输、OTIF 失手和大规模计划项目付钱；案例和行业评论都说明，只要工具能可量化地提高现货表现、压库存或缩短响应时间，六位数 ACV 完全说得通。 [7][10][19][25][28][32]

品类动态

增长信号 相邻增长信号：2025 年美国消费科技收入增长 4.4%

验证信号

• Auger 已经把叠加式自主层卖给点名企业客户，还说 Fanatics 的一个工作流大部分已经自治。
• Atomic 表示，试点客户在守住服务的同时压低了库存，说明买方愿意测试窄切口、AI 驱动的计划工作流。
• Doss 和 Didero 都在卖压在现有 ERP 之上的 AI 层，而不是整套系统替换。
• FourKites 和 Blue Yonder 现在卖的不再只是可视化，而是库存风险检测、缓解建议和执行编排。
• Loop 的大额融资也说明，投资人同样看好从脏乱运营数据里长出来的供应链智能层。

监管与技术约束

• 任何会改原产地、路线或供应商的自主动作，都可能碰到关税、出口管制或强迫劳动文档义务。
• AI 辅助的运营决策要想大规模可治理，越来越离不开日志、文档和人工监督。
• 安全回写依赖的是真实 API 和 ERP/库存系统里的交易模型，而不只是看板。
• 计划与控制塔用户本来就希望在现有套件里看到库存、分配和情景仿真，这让新进入者的集成门槛更高。

竞争大致分成三派：有深度仿真和企业信任的计划套件（Kinaxis、o9、Blue Yonder），掌握更多外部执行数据的可视化/控制塔网络（FourKites、Blue Yonder），以及压在 ERP 之上、不碰替换的 AI 原生叠加层（Auger、Doss、Didero，以及相邻流程里的 Loop）。而大量买方，今天仍靠表格、邮件和人工 ERP 更新把这些缝起来。[3][18][21][24][27][33][34][35]

为什么现有厂商不会默认胜出

• ERP 与数据云平台. 记录系统和数据底座当然必要，但它们本身并不会替企业决定：受限库存该怎么重分配、冲突权衡该往哪边升级、跨职能响应又该怎么协同。
• 计划套件. Kinaxis、o9 和 Blue Yonder 已经能在企业级规模上建模供给、库存和响应，但它们通常是以更宽的转型平台切进来，而不是一条快速起跑的缺货台切口。
• 可视化与网络控制塔. 可视化网络提供了关键的 ETA 和伙伴状态数据，但它们最强的场景还是物流感知；缺货处置切口仍能在客户优先级策略、取消承诺逻辑和受控回写上拉开差距。
• 内部战情室与顾问. 人工协同之所以还是默认方案，是因为企业对表格和会议的信任高过对自主动作；可这也让响应闭环更慢、更依赖个人，也更难放大。

Launch Shortage Autopilot 最该从北美消费电子、AR/VR 和联网设备业务单元切入，做一层缺货处置操作层，因为这些团队到今天还在每周拉上市战情室。产品不是要替换计划套件；它吃进 ERP、WMS、TMS 和计划工具里的订单优先级、库存、发运和运输状态，然后围绕一个上市关键产品族，给出经人工批准的重分配、取消承诺或加急运输方案。第一个客户该是年收入 $1B+ 的硬件品牌：ERP 用 SAP 或 Oracle，另有独立计划栈，至少 3 个区域履约节点，而且眼下正遇到新品上市或供应商延期，靠表格分诊已经太慢。研究能撑起这条赛道，因为 Auger、FourKites、Blue Yonder、Kinaxis 和 o9 都已经开始卖从可视化走向动作的工作流，而 Auger 更证明了企业愿意在不替换核心系统的前提下，为叠加式自主层付费。第一单应该是一个业务单元的付费试点，先证明预警到动作的周期更快、加急支出更低、满足率能守住，再去要更大的自动化权限。只有扩张跑得通，这才是一条能做成创投生意的切口：当前估算是 $1.2B TAM、$125.0M 滩头 SAM 和第 3 年 $9.0M 的模型化 SOM。最大的执行风险，是跨系统脏数据、买方不愿放开受控回写，以及套件或更有钱的叠加层把功能打包带走。眼下最关键的缺口，是北美合格业务单元到底有多少，以及第一阶段买方肯放开的审批边界在哪，所以前 90 天必须死盯 ICP 映射、数据就绪度审计和治理设计。

问题

• 控制塔团队今天还靠表格、邮件，以及手工跑 ERP、WMS 和 TMS 交易来处理上市缺货，因为没有任何系统能在一条闭环里，同时裁决订单优先级、库存位置、在途库存和客户承诺之间的权衡。
• 一旦元器件延期或需求暴涨，规划员就得决定哪些订单先吃缺口、哪些节点要重分配、哪些货要加急；很多时候，等他们动手，销售窗口已经开始收窄。
• 可视化和计划工具会报风险，但很少把一套可执行、可审计的跨系统方案推回栈里，所以每逢大异常，满足率、上市收入和毛利都会往外漏。

解决方案

• 先为一个产品族吃进订单、库存、发运、ETA 和业务优先级数据，给团队一条实时缺货队列，并附上重分配、取消承诺、替代或加急运输的建议动作。
• 第一阶段把规划员留在回路里：用基于角色的审批、置信度分数和一键回写进现有系统，而不是逼客户替掉 ERP 或计划软件。
• 从每次被接受和被拒绝的动作里学习，按渠道、客户层级、SLA、毛利和节点状态去调缺货策略，然后再把低风险场景放开到受控自动执行。

为什么我们会赢

• 这个切口比 Kinaxis、o9 或 Blue Yonder 更窄，也更容易上线，因为我们卖的是缺货台，不是整套计划转型。
• 在混搭的 ERP、WMS、TMS 和计划栈之间做厂商中立的回写，本来就不是偏物流的可视化网络或企业内部战情室能轻易复刻的。
• 把优先级规则、已批准动作与最终服务或毛利结果串起来的决策策略历史，会变成专有资产；那些今天还靠表格驱动的宽套件，反而抓不到这层数据。
• 审计轨迹和人工审批日志，正好对冲关税、出口管制、强迫劳动和 AI 治理这些会拖慢自主动作落地的顾虑。

里程碑

flowchart LR
  Wedge[One product-family shortage desk] --> MVP[Human-approved reallocation and write-back]
  MVP --> Proof[Faster cycle time and lower expedite spend]
  Proof --> Expansion[Multi-corridor hardware accounts and adjacent verticals]

创始团队

实验路线图

风险评估

必须成立的条件

• 北美至少有 15 个消费设备业务单元符合滩头画像，而且反复开缺货战情室，并握有预算权。
• 前 8 个共创客户候选里，至少 5 个能在 45 天内放出订单、库存、发运和优先级数据，并允许在至少 1 个核心系统里做受控回写。
• 人审试点能把缺货预警到动作的中位时长压低 30% 以上，并把加急支出或取消承诺量压低 10% 以上。
• 至少 50% 的付费试点，能在结束后 120 天内转成每年 $300k+ 的正式生产合同。
• 在前 12 次竞争性评估里，套件、叠加层或内部方案的胜出率低于 75%。

待尽调问题

• 北美到底有多少消费设备业务单元真正符合滩头画像，并且自己扛着缺货 P&L？
• 前 10 个目标账户里，主流的 ERP、计划、WMS 和 TMS 组合分别是什么？实际能回写的对象又有哪些？
• 共创客户在试点开始前，愿意分享哪些基线指标：满足率、加急支出、取消承诺量，以及预警到动作的周期？
• 第一阶段里，供应链负责人、IT 和内部审计愿意接受的审批边界是什么？又需要什么证据才能继续放开？
• 账户里的第一笔预算会从哪里出——业务单元运营、控制塔现代化，还是更宽的供应链转型？
• 当买方把 Auger、Kinaxis、o9、Blue Yonder、FourKites 或内部团队放在一起比较时，究竟是哪一个缺口促成切换？

模型合理性

• 收入引擎. 基准收入由两条轴驱动：M12 时 2 个活跃付费业务单元，到 Y3 Q4 时增到 15 个；同时每条走廊的价值从试点定价慢慢爬到约 $600K 成熟 ARR。
• 必须跑对的事. 标准连接器和人审回写必须把试点转正式生产压到大约一个季度，否则从 Y2 Q4 的 6 个付费单元跳到 Y3 Q4 的 15 个，会直接滑坡。
• 模型会失效如果. 如果正式生产价值卡在 $500K ARR 左右，或毛利率一直起不来到 70%，Y3 的 EBITDA 就转不正，$3.0M 的 pre-seed 也留不出舒服的 6 个月缓冲。
• 下一轮证明包. 种子轮要讲的故事是：6 个正式生产业务单元、2 个可引用客户、25% 伙伴来源商机池，以及 1 个受控低风险自动执行部署；同时账上现金仍高于约 $1.0M。

情景

敏感性

flowchart LR
  TargetAccounts[Target hardware business units] --> PaidPilots[Paid pilots]
  PaidPilots --> ProductionBUs[Production business units]
  ProductionBUs --> ExpansionModules[Node and channel expansion]
  ExpansionModules --> Revenue[Revenue]
  Revenue --> GrossProfit[Gross profit]
  GrossProfit --> Cash[Cash]

警示项: 从 Y2 Q4 的 6 个活跃付费业务单元跳到 Y3 Q4 的 15 个，目标很激进，前提是伙伴渠道真的跑出来，而不是只停留在承诺上。 · customersEop 既包含付费试点，也包含正式生产业务单元，所以在 Y1 和 Y2 前段，真正的经常性正式生产客户数会落后于表面上的付费客户数。 · 只有当连接器复用显著压低定制实施量时，毛利率才能到 BP 目标的 70%；客户数据一脏，毛利可能就会卡在 60% 中段。 · 现金按 EBITDA 建模，因此里程碑回款节奏、实施预付款和企业采购延迟，都会让真实现金曲线偏离模型。 · $125M 的滩头 SAM 很集中，所以 1-2 个目标账户延后，就足以实质性改变 Y2 签约额和下一轮融资时点。

• 自治信任缺口. 在治理能力没跑通前，供应链负责人可能不会让高风险库存分配直接自动回写。 缓解措施: 先从人工审批、基于角色的护栏、可解释的权衡打分和可审计日志做起，再逐步放开到自动执行。
• 跨系统脏数据. 只要订单、库存或运输数据晚到、错位，推荐出来的重分配在执行那一刻就可能已经不对。 缓解措施: 先在接口稳定的客户里上线，给每个动作打数据置信度；一旦新鲜度掉下来，就退回只给建议的模式。
• 套件厂商反击. 一旦 ROI 被看见，ERP、计划或控制塔厂商都可能很快补上相邻异常流程。 缓解措施: 赢法是跨混搭栈集成、拿住跨系统决策结果数据集，并在一条异常走廊里比套件更快交付价值。