本周（3月9日—3月13日）共有82家A股上市公司披露機構調研紀要。從賺錢效應來看，超四成機構調研股實現正收益，其中大金重工本周實現2連板，累計漲幅23.72%；天賜材料漲16.40%；藍帆醫(yī)藥實現首板，漲14.83%；寧德時代漲11.90%。

熱門調研標的方面，本周天賜材料、深南電路接待百家以上機構，德賽西威、可孚醫(yī)療、海聯訊、萬源通、卡萊特等5家公司接受50家以上機構調研。

天賜材料3.5萬噸新增產能

預計下半年投產

電解液龍頭天賜材料(002709)周內接待127家機構調研，涵蓋易方達基金、嘉實基金等頭部公募，機構重點圍繞六氟磷酸鋰新產能投產節(jié)奏、出貨量以及產品價格變化趨勢等方面提問。

對于六氟磷酸鋰新建產能的投產節(jié)奏，天賜材料表示，公司新增技改產能的投放節(jié)奏主要結合市場的需求及市占率目標綜合考慮，原規(guī)劃的3.5萬噸新增產能目前正按計劃推進，預計于2026年下半年投產。

天賜材料還稱，3月份六氟磷酸鋰產線檢修對電解液總體出貨量影響不大，公司針對此次年度檢修已做相應準備，可滿足自身電解液的生產需求。

從近期六氟磷酸鋰產品價格的變化趨勢及市場供需情況來看，天賜材料介紹，公司客戶以頭部電池廠為主，產品定價機制相對穩(wěn)定，公司近期電解液產品價格相對平穩(wěn)，市場六氟磷酸鋰散單價格的波動對公司整體影響有限；當前行業(yè)頭部廠商開工率均處于較高水平，后續(xù)市場的供需情況將決定六氟磷酸鋰的價格走勢，同時碳酸鋰成本的變化也可以順暢傳導。

天賜材料還在積極布局鋰資源、磷資源等上游資源，公司稱，除現有回收業(yè)務和非洲礦源外，正積極推進鋰資源多元化布局（涵蓋礦端開采與回收業(yè)務），以進一步優(yōu)化原材料成本；公司也同步推進磷礦資源戰(zhàn)略布局，完善磷酸鐵產業(yè)鏈的一體化配套。

深南電路PCB業(yè)務受關注

深南電路(002916)周內接受117家機構調研，機構主要關注2025年經營業(yè)績、各業(yè)務板塊表現、產能建設及研發(fā)投入等核心問題。

2025年，深南電路業(yè)績實現顯著增長，全年營業(yè)總收入達236.47億元，同比增長32.05%；歸母凈利潤32.76億元，同比大幅增長74.47%。深南電路介紹，業(yè)績增長主要得益于公司把握AI算力升級、存儲市場需求增長及汽車電動智能化三大機遇，通過產品結構優(yōu)化與運營效率提升實現盈利水平改善。

就機構重點關注的PCB業(yè)務來看，2025年，深南電路PCB業(yè)務實現主營業(yè)務收入143.59億元，同比增長36.84%。深南電路表示，2025年PCB業(yè)務受益于數據中心領域AI服務器及相關配套產品需求加速釋放，訂單同比顯著增加；高速交換機、光模塊需求顯著增長，有線通信相關產品占比持續(xù)提升；把握ADAS和新能源汽車三電系統的增長機會，汽車電子領域收入快速增長。

在研發(fā)投入方面，2025年深南電路研發(fā)投入金額15.91億元，占公司營收比重為6.73%。深南電路表示，公司各項研發(fā)項目進展順利，下一代通信、數據中心及汽車電子相關PCB技術研發(fā)，FC-BGA基板產品能力建設，FC-CSP精細線路基板和存儲基板技術能力提升等項目均按期穩(wěn)步推進。

值得關注的是，深南電路主要原物料包括覆銅板、半固化片、銅箔、金鹽、油墨等，涉及品類較多。2025年，受大宗商品價格變化影響，銅箔、金鹽等關鍵原材料價格同步上行，對深南電路盈利水平構成一定影響。該公司表示，將持續(xù)關注國際市場大宗商品價格變化以及上游原材料價格傳導情況，并與供應商及客戶保持積極溝通。

德賽西威獲機器人域控項目定點訂單

德賽西威(002920)本周接受87家機構調研，機構重點聚焦公司新業(yè)務機器人域控和無人車業(yè)務進展。

據德賽西威介紹，在機器人領域，公司發(fā)布機器人智能基座AI Cube，以車規(guī)級技術遷移打造高性能AI計算終端，為機器人提供核心算力與算法支撐，賦能生產制造、智慧家居、車載延伸等多元場景，實現汽車電子核心能力向通用機器人領域的高效延展，進一步完善面向未來的智慧出行與智能物聯產業(yè)布局。

“公司目前與多家具身智能企業(yè)推進深度合作及落地事宜，并成功獲取機器人域控項目定點訂單，相關產品規(guī)劃于2026年實現量產交付，以此推動公司域控技術能力向具身智能新興賽道快速拓展，進一步完善智能領域的業(yè)務布局。”德賽西威高管在調研中表示。

在無人車領域，德賽西威推出“川行致遠”車規(guī)級低速無人車品牌，打造S6系列平臺化產品，將車規(guī)級開發(fā)標準、智能控制系統等核心技術落地應用，覆蓋園區(qū)物流、城市配送、冷鏈運輸等多場景，解決末端物流“最后一公里”痛點，同時通過場景數據反哺智能駕駛算法迭代。