1、娱乐金融行业分析报告2016年娱乐金融行业分析报告一、娱乐金融将成为互联网金融的新蓝海.41、互联网金融的本质是利用互联网创新解决资产和资金的匹配.52、娱乐行业的融资之痛一直存在73、娱乐金融是互联网金融与娱乐产业结合，剑指百亿市场.8二、娱乐金融的产业链组成：娱乐资产、平台和娱乐大数据.101、资产端.112、平台端.113、数据端.12（1）游戏宣发平台.12（2）视频网站.12（3）社交平台.13（4）搜索引擎.13（5）院线.13（6）在线售票平台.13三、娱乐金融为什么将要火.141、娱乐行业融资缺口扩大.15（1）电影的投资需要新的资金进入.15（2）网剧在新媒体渠道爆发，视频行
2、业需要更好的融资解决方案.17（3）游戏行业竞争加剧，CP融资找寻新出口.192、互联网金融的投资人群与互联网娱乐人群具有较高的重合性213、娱乐金融超越金融，成为粉丝经济的重要环节.224、娱乐金融产品购买者消费相关娱乐产品，形成正反馈.255、娱乐金融产品具备良好的风险收益比.266、娱乐数据的线上化奠定了底层风险定价的基础.29四、行业前瞻：娱乐金融将走向何方.321、具有优质IP内容的公司将会陆续进入娱乐金融.332、数据为王，具有消费类大数据的公司会先攫取行业价值.354、具有垂直一体化整合能力的公司将成为行业的最大受益者.385、娱乐共享经济时代已经到来.41五、娱乐宝：一体化运作
3、的娱乐金融平台.431、娱乐宝:全球最大C2B电影投融资平台.432、资产：对接5大类资产，丰富的产品选择.433、较高收益率，以理财产品形式投资影视娱乐项目债权.454、影视、大数据资源，成为阿里垂直一体化娱乐平台重要一环.465、销售火爆，粉丝追捧.48六、风险因素48互联网金融的变革不断深入，利用渠道和数据创新解决融资和投资之间的不匹配问题。在娱乐行业大发展的今天，行业的融资痛点一直存在。互联网金融与娱乐的结合造就娱乐金融，我们预测，到2020年将形成190亿的市场，是悄然开启的盛宴。 产业链概览：娱乐金融的产业链分为：娱乐资产、平台、娱乐大数据三大环节。娱乐资产端：影视游戏内容制作公司
4、；平台端：众筹和类众筹平台，主要有娱乐宝、京东众筹、众筹网等；娱乐大数据端：娱乐金融主要有6大类数据提供方，分别为游戏宣发平台、视频网站、社交平台、搜索引擎、院线及在线售票网站。 娱乐金融为什么要爆发：娱乐金融爆发遵循互联网金融的底层推动逻辑，资产端爆发：泛娱乐资产（电影、网剧、游戏）资产爆发，各自的融资痛点无法通过传统金融渠道得到有效的解决。娱乐金融具有资产和资金之间的良性正反馈：在粉丝经济时代，娱乐金融成为粉丝经济圈产品，提高产品粘性，同时投资人购买娱乐金融产品，消费娱乐项目将形成良性的正反馈。娱乐数据的线上化构建了娱乐金融产品风险定价的基础：居民娱乐消费互联网化比例逐步提升，丰富的大数据
5、可构建娱乐产品收益模型，奠定了风险定价的基础。娱乐金融具有作为金融产品的吸引力：娱乐金融作为金融投资品，具有较高的风险收益比 行业前瞻，娱乐金融走向何方：我们认为，IP类娱乐资产具有锁定用户的优势，具有优质IP的公司将会逐步进入娱乐金融；大数据是娱乐金融产业风险定价的根本，具有优质消费类大数据的公司将会首先受益行业成长；垂直一体化整合可以形成内容协同、用户协同和粉丝协同，将最大化攫取行业价值；娱乐金融的爆发标志着娱乐行业进入共享经济时代，娱乐金融会不断扩充内涵和外延，演变出新的资产、新的产品，不断创新。一、娱乐金融将成为互联网金融的新蓝海1、互联网金融的本质是利用互联网创新解决资产和资金的匹配
6、“互联网金融”这一词汇的出现已经有近三年的时间。在这三年期间，互联网金融快速发展。以P2P平台为例，根据网贷之家统计，P2P平台数量已从2012年的200家增长道2015年第一季度末的2028家，成长近十倍。互联网平台高速成长的背后是其对于传统金融行业的深入的改造。我们认为，互联网金融的本质是利用互联网渠道创新的解决了投资方和融资方的中介匹配问题。无论是在线网贷、P2P、众筹、在线理财、互联网保险、消费金融平台，均利用互联网低成本渠道、丰富大数据进行资产和资金的匹配，开展传统金融机构无法有效覆盖的有价值的金融服务，他们共同构成了互联网金融的整体产业，成为金融行业的“搅局者”和“改革者”。互联网
7、金融对于传统金融的“改革”和“搅局”创生了多种新型的基于互联网的资金匹配渠道。拿众筹平台来说，在传统金融体系内，居民大众无法参与非交易所的一级市场股权投资，而对于在创业风口的广大创业企业而言，则无法在短期内快速获得大量的融资。互联网金融通过互联网平台的聚合效应以极低的撮合成本撮合股权投资与股权融资需求，弥补了整体社会融资体系的风险资金与资本的匹配错位，形成有价值的金融服务。2015年7月18日，国家联合10部委下发了关于促进互联网金融健康发展的指导意见，互联网金融正式纳入监管的轨道。而我们认为，互联网金融监管政策的出台将会给行业创造一个更加良性的发展环境，而其“创新”与“革命”仍然在继续。2、
8、娱乐行业的融资之痛一直存在2015年以来，中国经济增速的持续放缓，进入产业转型升级的时期。娱乐消费的扩容成为支撑娱乐产业持续健康发展的底层动力。根据传媒蓝皮书：中国传媒产业发展报告（2015）（清华大学）公布数据显示，2014年中国文化娱乐产业总值达到11361.8亿元，首次超过万亿元大关，较上年同比增长15.8%，展现出蓬勃发展的生机。在行业景气的同时，行业对于投资的需求逐步加大。文化娱乐行业蓬勃发展，成为在经济转型大背景下具有极高投资价值的高成长行业。尽管资本市场长期对于文化娱乐行业的投资热情不断提升，但是文化娱乐行业局部却面临着融资的挑战。我们认为，这一对矛盾的根本原因在于：文化娱乐行业
9、涉及消费者的精神文化需求，处于快速变化迭代进程，传统金融机构缺乏对于文化娱乐行业投资的系统性的风控评估手段，导致文化娱乐行业从大型传统金融机构获得投资资金的渠道狭窄。文化娱乐行业快速发展及融资困难的矛盾亟需创新的融资方式进行解决。3、娱乐金融是互联网金融与娱乐产业结合，剑指百亿市场就像在其他领域所发生的一样，互联网金融的出现会不断优化金融产业结构，促进资金与资产的有效对接。我们认为，互联网金融与文化娱乐产业的结合正在开始造就相同的效应。通过互联网技术、数据与渠道，娱乐行业融资的困境有望得到有效解决，互联网金融与文化娱乐产业的结合形成娱乐金融。娱乐金融是利用互联网金融平台（众筹和在线理财平台）对
10、接游戏、电影、网剧等三类娱乐资产收益权和个人互联网金融投资人的投融资活动。我们认为，互联网金融切入娱乐领域是必然的趋势，娱乐金融的大幕已经开启。我们预测，相关娱乐金融资产（电影、网剧、游戏）的投资中娱乐金融的渗透率将逐步快速增加，构成娱乐金融资产的不断膨胀。我们搜集了现有可以获得数据的娱乐金融项目的融资比例，其中娱乐金融融资比例最高达到66.7%，而筹资比例最低为3.5%，平均融资比例为19.31%。根据不同的娱乐项目的性质，娱乐金融的融资额应会有所差别。我们综合考虑娱乐项目特性及娱乐金融发展的良性预期，保守估计未来娱乐金融行业对于娱乐产业的渗透率或将达到30%（现有基础的1.5倍），成为娱乐
11、行业重要的融资渠道之一。我们假设，娱乐金融渗透率到2020年达到30%，则预计到2020年，娱乐金融相关理财/众筹产品的销售将从现今的约7亿元的规模猛增到190亿，CAGR将达到72%。成为互联网金融创新的新蓝海。二、娱乐金融的产业链组成：娱乐资产、平台和娱乐大数据娱乐金融的产业链主要由娱乐资产、撮合平台和娱乐大数据三个主要部分组成。娱乐资产端主要承担资产的供应，平台端负责资金撮合，而娱乐大数据端则提供娱乐金融相关的信用评级、风险定价数据。1、资产端娱乐金融的主要资产是娱乐内容，供给娱乐内容的主要是娱乐内容制作公司，包括电影、网剧、游戏制作及周边产品开发公司。代表公司有光线、博纳、华谊、华策、
12、阿里影业等电影制作公司，IGG、飞鱼科技、云游控股等游戏制作公司，以及奥飞动漫、起点中文网、中文在线等原创漫画IP、小说IP公司。2、平台端从平台端来看，娱乐金融的平台主要是众筹及在线理财类的互联网金融平台，以娱乐宝、京东众筹、梦立方、众筹网、百发有戏等平台为典型代表。从不同娱乐金融网站的筹款金额和活跃支持人数分析可以看到，京东众筹、淘宝众筹和众筹网是最活跃的众筹网站。京东众筹在募集资金额度、活跃人数两项的占比都超过40%，淘宝众筹的筹资金额占比为14.5%而活跃支持人数占比为29.3%，众筹网的融资金额和活跃人数占比分别为18%及6%。3、数据端在互联网平台上存在着大量数据，主要有6大类数据
13、源与娱乐金融的相关度较高，分别是：游戏宣发平台、视频网站、社交平台、搜索、院线和在线售票网站。（1）游戏宣发平台可提供玩家在游戏上的行为数据，以及各种游戏的下载量、活跃度、付费比例等数据。（2）视频网站可提供相关视频网站观看者的行为数据，付费数据，及不同类剧目、电影的观看次数、流量变化等数据。（3）社交平台可提供不同类型影视剧在社交平台上的互动和传播数据，例如，明星的粉丝数、微博转发数及扩散速度、相关话题的讨论热烈程度等。（4）搜索引擎可提供相关娱乐搜索的关键词热度，频率，及基于IP地址的娱乐消费用户的信息、行为等数据。（5）院线院线作为电影行业的消费终端，可以提供不同电影的排片、票房等数据，
14、并且可以通过会员系统了解年龄、性别、区域等更多的细分维度数据。（6）在线售票平台是电影的购买渠道，与院线类似，可以提供不同电影的排片、票房等数据，并且可以通过账号系统提供年龄、性别、区域等更多的细分维度数据。三、娱乐金融为什么将要火分析娱乐金融，逃脱不了互联网金融整体分析的框架。即探寻，在资产端，哪些融资需求没有得到有效的满足？在投资端，是否有对应风险匹配的资金能够进入？能不能通过网络平台让这样的匹配低成本而高效？线上数据是否能够帮助进行风险定价？如果以上四个条件都能满足，互联网金融就会快速切入，进行“革新”和“改造”。我们认为，娱乐金融满足互联网金融爆发的底层逻辑，互联网搭建了个人投资者和娱
15、乐资产之间的桥梁，解决了资金与资产的匹配，必然会形成一个具有中国特的互联网金融市场，盛宴只待开启。1、娱乐行业融资缺口扩大（1）电影的投资需要新的资金进入电影产业从制作到回收投资需经历多个阶段。电影从开机到结束拍摄需要的时间周期从3个月到半年不等，后期制作需要花费3-6个月。同时，排片及上线时间面临不确定性，需要综合考虑档期及其他影片的宣发策略，整个投资周期少则一年，多则2-3年。同时，拍摄进度并不能完全按照预算执行，突发事件可能加长拍摄周期，加大投资。在最极端的情况下，初始的电影行业投资可能需要超过三年才能收回成本。电影行业投资呈现资金需求体量大、周期长、资金需求不确定性高的特征。电影的融资
16、困局并不仅仅局限在中小成本影片，近期曾有诸多优秀的国产影片因为融资的问题而延期或停拍。例如，票房破8个亿的国产动画大圣归来，前后拍摄共历时8年，中途因为多次超出预算而不得不另觅资金导致拍摄进程被不断拖延。我们认为，电影行业融资的困难会被中国电影市场的扩容而放大。这是因为电影的融资问题是电影投资作为一种高投入、周期长、现金流不确定性高的投资品种的本质所决定。因此，在行业向好时，电影投资的融资缺口反而会继续放大。电影行业现在处于爆发增长的时期，我们认为，随着居民消费扩容以及影院建设和覆盖的不断完善，中国电影产业还将在未来五年内维持较高的成长速度。保守假设2020年达到人均2.0次的观影频次，中国电
17、影市场到2020年票房将达到1006亿元，2014年至2020年CAGR将达到23%。同时，由于本土影片商业运作能力的持续提升、份额会不断提升。假设国产电影的票房占比能够达到日韩的峰值水平70%。按盈亏均衡的投资回报比3来计算，到2020年，国产电影将形成704亿元票房、投资需求为235亿元的巨大融资市场。电影产业持续放大所形成的投资需求中，必将有部分无法通过传统融资渠道获得，必须发掘新的资金渠道来弥补行业不断发展的融资缺口。（2）网剧在新媒体渠道爆发，视频行业需要更好的融资解决方案网剧在新媒体端的异军突起也成为2015年大娱乐行业的一大热点。腾讯、优酷土豆、爱奇艺、乐视及搜狐5大主流视频网站
18、纷纷推出自己的自制网剧，成为为各大网站赚流量、赚付费、赚广告的核心力量。网络剧的火爆是视频产业寻找变现新途径的集体突围，是新媒体端电视剧行业的自然衍生。网剧可以利用大数据准确定位受众，形成原创吸引力，同时其整体制作成本很低、审批宽松、可以利用新媒体营销并通过会员、广告、虚拟互动等多种方式变现。网剧与视频网站是商业逻辑上的天然结合是其爆发式增长的根本原因。我们认为，视频网站将会不断加大对于网剧的投入，到2020年，网剧剧集数量或能达到2014年传统电视剧15,000集左右的产出水平，CAGR达到27%。假设单集制作成本每年增长15%（基于2013年到2014年的增幅），到2020年网剧市场投资额
19、将超过100亿。在加码网剧投资的背后，是各大视频网站现金流的紧张，无法盈利的现实。版权和内容投入成为各大视频网站最大成本，“烧钱”买内容之战是各大视频网站难以盈利的直接原因。从优酷土豆的年报来看，营收从2011年的9亿元，上升到2014年的42亿元，增长近5倍；但是净利润却从2011年亏损1.7亿元持续扩大至2014年的-8.4亿元。视频网站的网剧内容投入会持续加码，变现突围之争仍将持续。在网剧的资金投入不断加大预期下，视频行业的现金流必将面临新一轮的挑战，需要寻找新的投资渠道共同开发网剧。（3）游戏行业竞争加剧，CP融资找寻新出口根据GPC、IDC和CNG的数据，中国游戏行业用户的增长已经趋
20、缓，而行业的驱动力在于APRU值的不断提高。在用户增长有限的行业背景下，行业从蓝海市场进入精耕细作阶段，必然导致整体竞争的不断加剧。在行业竞争加剧的同时，产业链也在不断重构。以手游行业为例，渠道分发平台背靠大的互联网公司，抢占流量的入口，可以保证稳定的营收；发行商（SP）连接渠道资源，汇集不同内容提供商（CP）的游戏内容，进行代理营销和渠道推广，由于其代理游戏多，在产业链议价权较高，营收相对稳定；而对于内容商来说，在行业竞争加剧的时候，开发高用户粘性、高流水的游戏势必需要不断的加大研发的投入。游戏的研发投入在不断的加大，游戏变得越来越“重”，从飞鱼科技的年报来看，其研发团队成员从2011年扩张
21、了至2015年一季度扩张了10倍，而每年发行的游戏数量均维持在个位数。可见单个游戏的研发成本呈现快速扩张的趋势。游戏行业的重度化将带来游戏行业APRU值和对应研发投入的持续增加，假设APRU值维持2010年到2014年年化7%的增速，预计到2020年，游戏行业的总产值在将达到1943亿元。假设研发投入占游戏总流水比重为15%（主要游戏公司IGG、飞鱼等的年报得到），游戏开发投入到2015年或将达到291亿元。在行业从蓝海转向红海，在游戏不断变重的行业现实背景下，对于CP公司来说，内容制作的集中度风险将会加大，制作周期将会拉长。CP公司需要寻找新的融资出口，以积极应对行业的重构和洗牌。2、互联网
22、金融的投资人群与互联网娱乐人群具有较高的重合性根据景冉数据，中国在线理财人群主要集中在25岁到34岁之间，占所有在线理财人口的比例为52%。就受教育程度来看，本科及以上学位的人占到近74.5%，表明在线理财需求主要集中在高学历、刚开始工作的人群。通过对于在线理财、电影、网剧和游戏人群的年龄对比发现，电影观众与在线理财人群的年龄结构重合度较高，而网剧和游戏人群的年轻化趋势较为明显。但总体来看30岁以下人群仍然占据50%以上，具有较高的重合程度。从学历上，在线理财、电影、网剧、游戏人群近50%-70%拥有大学或大学以上的学历，在人群结构上呈现高度吻合的特征。我们认为，电影、网剧、游戏等消费习惯均有
23、较高的用户粘性，随着新一代网民成长，迈入工作阶段，其经济能力、学历等人群特征与在线理财人群将呈现更高程度的重合。而相应的对于娱乐金融相关产品的接受能力由于已有的娱乐消费习惯也会逐步提高。二者之间产生放大的共振效应。3、娱乐金融超越金融，成为粉丝经济的重要环节粉丝经济是指围绕艺人、影视剧、动漫、游戏等粉丝人群形成的经营性创收行为。具体是指粉丝在关注文化主体的同时，对于其周边相关文化产品的消费意愿提升，消费范围扩大的经济效益，粉丝经济促进了关注主体及其周边产品的价值变现。粉丝经济具有高互动性、高传播性及高变现能力。粉丝群体之间的互动频繁，核心内容衍生品可以通过新媒体渠道在粉丝群体中快速传播，形成放
24、大效应，促进产品的销售。通过粉丝圈能够做到低成本快速营销并达到很高的产品营销转化率。以小时代为例，导演、主要演员的粉丝群体高度重叠，形成高粘性的潜在观影群体，主创利用微博等渠道在粉丝中进行社交营销，4部电影共获得17.84亿票房，票房表现稳定。粉丝经济的内涵和外延不断扩大，使其触及到了娱乐金融，娱乐金融成为粉丝经济的一部分因而具有其他互联网金融没有的高转化率，娱乐金融属性叠加粉丝经济可以形成多种产品形式，除了现有产品的金融属性外，还有包括预售、签名、探班、首映礼等粉丝特权，粉丝经济特征明显。从黄金时代的网络融资情况可以看到，黄金时代的娱乐金融产品除基本收益外还附送多种产品特权，例如爱奇艺会员、
25、制片人权益章、主演电话连线等。黄金时代虽然票房折戟，但是其众筹项目在9月22日到10月22日共募集了1800万元人民币，有3301人参与众筹，众筹完成率高达120%。我们认为，粉丝经济的持续扩大形成了与娱乐金融广泛结合的基础。娱乐金融已成为粉丝经济的重要衍生。娱乐金融在粉丝群体的营销会获得相对于其他互联网金融领域不具备的高转化率和高用户群体。4、娱乐金融产品购买者消费相关娱乐产品，形成正反馈与传统理财产品不同的是，娱乐金融娱乐内部可以形成良性的正反馈效应：投资人：投资娱乐金融项目，成为相关产品的“股东”，刺激其消费并在社交圈内宣传相关产品。投资项目：提前锁定了投资娱乐金融人群成为娱乐消费者，项
26、目的成功概率将会提升，而相关的收益率提高提高，更加促进娱乐金融项目的销售。二者的叠加行成娱乐金融产品特殊的正向反馈，超越其他金融产品成为具有稀缺性的投资标的。为进一步量化，我们以电影娱乐金融进行相关敏感性分析，假设单张电影票的票价为40元，同时每份娱乐金融产品的金额是100元。则测算结果如下：从敏感性分析可以得到，单个投资人可以带动的观影人次越高，娱乐金融融资占比越高的情况下，则可锁定的票房占总投资额的比例就越高，那么相关投资的成功概率也会相应增加，正反馈的效应明显。5、娱乐金融产品具备良好的风险收益比娱乐金融背后的投资标的主要是相关的影视娱乐作品，主要以结构化理财产品（信托、保险）形式推荐给
27、消费者，以债券融资投入到相应的影视娱乐制作中，同时还有小部分以众筹的形式呈现。虽然投资的相关项目看似具有不确定性，但通过比较我们认为，娱乐金融产品有较高的风险收益比。娱乐金融产品的高收益主要体现在影视娱乐行业潜在的较高的投资回报，而其低风险的逻辑在于娱乐行业是逆周期，产业转型升级的主要行业，行业的景气程度在中长期来看是向好的。通过与主要的互联网金融理财产品对比，我们发现娱乐金融相关产品的收益高于货币基金类理财产品，低于P2P及股权类理财产品（以指数基金为主）。但是整体来看无论是娱乐宝还是百发有戏，相关的娱乐金融产品至今未出现违约，风险相对较低。近一步分析各理财产品背后的资产或平台的长期走势我们
28、发现：排名前十的国产片回报系数（票房/投资额）近五年呈现明显上升的趋势。而就P2P投资而言,由于近年来P2P问题平台数量的显著增加导致P2P平台整体的投资风险升高。就货币基金“宝宝类”产品而言，由于中国处于降息周期导致宝宝类产品的收益率一直下降。而就指数型基金而言，其明显是较高风险较高收益的投资产品，与其他产品属性不同。考虑不同互联网金融产品的产品结构及背后资产的收益预期，娱乐金融产品由于自身较低的门坎，较高的风险收益比而具有相对独特的投资属性和投资价值。6、娱乐数据的线上化奠定了底层风险定价的基础对于金融行业来说，风控是非常核心的环节，其本质就是利用不同的收益模型对于资产的潜在收益进行测算，
29、为不同的资产（债权/股权）进行估值并得到相应资产的预期收益率及对应风险。娱乐项目的风险定价也一样，就是需要确定娱乐项目的相应收益。困难在于娱乐项目并不是永续经营的，很难基于历史和现状对于未来做出合理的预测，它取决于受众的喜好和付费意愿，传统的风险定价方法到了娱乐项目就集体失效。娱乐大数据提供了解决娱乐项目风险定价的可行方法。在美国，大数据对于电影票房预测逐步成为了现实。Google利用其关键词建立了电影票房预测的关联模型。该模型结合淡旺季等相关因素并利用大数据的算法，可以得到高达94%的票房预测准确率。我们认为，中国市场也已经具备了类似于美国市场的大数据环境。娱乐金融的数据完备程度与相关娱乐及
30、金融活动的线上化程度密切相关。根据CNNIC的数据，网络视频中国的网名使用率已高达69.1%，网络游戏领域网民的使用率达到56.9%，微博客使用率达到30.6%，网络文学的使用率达到42.6%，总覆盖人数（包含重合）已达到近13亿。海量用户在娱乐的行为已经形成了庞大的数据，并且覆盖率还在不断提高。除了纯线上娱乐数据，电影行业的O2O化也日益明显，根据易观智库的统计，截止到2015年第一季度，可支持线上售票的影院的比例达到80%。同时，在线售票的比例已经从2013年的22%增加到2015年第一季度的63%，中国电影市场已经基本完成了线上化，大数据的分析的数据基础已经完全成型。而娱乐数据的票房预测
31、模型也已经在国内开始试水，搜狗自己开发的预测票房的数据模型“深思”就综合了搜索热度、同类型影片票房、导演、垂直网站、档期、发行方、制片方、搜索热度等多个因素进行大数据模型构建，并不断完善，最新的模型能够达到95.5%的准确率。值得注意的是，大数据对于电影票房的预测的准确度与数据的维度高度相关，搜狗“深思”模型的开发是基于关键词搜索，而其精度的不断提高则归功于不断加入了搜索意图确认、微博数据、垂直媒体数据等多维度数据。其模型精确程度从初始的64%通过不断引入新的数据最终提升到95.5%。线上的娱乐数据已经渗透到整个娱乐产业，核心大数据对于娱乐产品的销量预测完全可以成为娱乐金融风险定价的基础。大数据奠定了娱乐金融相关产品大规模推向市场的可能性。四、行业前瞻：娱乐金融将走向何方根据我们的测算，在2014年娱乐金融整体的市场空间不足4亿元，而到2020年市场空间将达到190亿，前景广阔。产业链的多方都将会受益，在爆发的前夜，我们将对未来行业将走向何方，产业的形态会如何变迁进行研判和分析，
