利用空置空间开发混合的多功能空间

概述 执1混正活式 响 共性 混发展 技73302020610%到20%。203020191338%。iv |图在温和情景下，2019至2030年的办公和零售空间需求或将大幅下降价格调整前的房地产需求变化，2019-2030年，%与疫情无关的因素导致的变化疫情驱动的行为导致的变化城市核心区住宅空间1

城市核心区零售空间旧金山–20–2旧金山–20–2–17伦敦–116–22纽约–166–14休斯顿226–3巴黎–13–4–9慕尼黑–168–4东京–912–2北京25–9上海–1431

0

20

–20 –10 0 10注：有关这些情景的更多信息，参见技术附录。¹超级明星城市对住宅空间的需求具有很高的价格弹性，因此从长期来看，这些变化可能会导致价格再平衡，不会导致需求的实际减少。资料来源：北京市统计局；法国巴黎银行；高力国际；CommercialRealEstateIntelligenceSolutions；CoStar；城镇升级、住房和社区部（英国）；E&GRealEstate；E-Stat（日本）；欧盟统计局；EW&AssociatesRealty；联邦统计局（德国）；GermanPropertyPartners；Kastle；MinistryofBeijing；三井不动产；国家统计和经济研究所（法国）；国家统计局（西班牙）；国家统计局（英国）；RealAdvisor；SankoEstateCompany；上海市统计局；日本统计局；东京都政府；美国劳工统计局；美国人口普查局；麦肯锡全球研究院分析McKinsey&Company锡全球院|混情房深远响 v©ReneDeHaan/Stocksy||PAGE29PAGE2PAGE2|执行摘要GDP和GDP2019通过几120191本研究只考虑以下三类资产：办公、住宅和零售空间。工业空间和自助存储空间等其他资产不在本研究范围内。混合工作如何改变人们的工作、生活和消费方式我们如何定义城市我们如何定义城市GDP和GDP2018MGI（Superstars:Thedynamicsoffirms,sectors,andcitiesleadingtheglobal。9文本框E1混合工作仍将持续，办公室出勤率平均下降30%202090302022。||PAGE3PAGEPAGE10图E1大型知识经济企业的办公室出勤率较低行业：专业服务 信息 金融 管理 医疗保健 艺术品和住宿公用事业和行政管理房地产 制造 教育 政府 建筑 零售和批发贸易 交通运输 农业和矿业

012345公司雇员人数：25,000+ 1,000–24,999 500–999 250–499 100–249 50–99 2–49

3.0 3.2 3.4 3.6 3.8 4.03.0 3.2 3.4 3.6 3.8 4.0也不包括自称目前没有全职工作的受访者。资料来源：麦肯锡全球研究院分析McKinsey&Company202210多达7%的人口永远离开城市核心区20206202020217%图E2在疫情期间，大多数郊区的增长速度都超过了城市核心区城市和郊区人口增长率差异，百分点疫情中2020–2022年复合增长率

疫情中2020–2021（尚无2022年数据）

疫情前2015–2019年复合增长率郊区增长更强劲

市区增长更强劲国家美国美国美国美国美国美国法国美国美国美国德国德国德国德国德国美国日本日本日本

大都 8 7市区纽约波士顿巴黎费城科隆柏林慕尼黑西雅图东京大阪

6 5 4 3

1 0 1英国 伦敦陆 北京中国 上海注：伦敦的结果基于英国国家统计局对2021年人口普查结果的修订。资料来源：北京市统计局、欧盟统计局、国家统计和经济研究所（法国）、国家统计局（西班牙）、E-Stat（日本）、国家统计局（英国）上海市统计局、美国人口普查局、麦肯锡全球研究院分析McKinsey&Company2目前尚无关于伦敦2022年人口变化的数据。||PAGE5PAGEPAGE62020年有2019202120222019消费依旧低迷，城市核心区尤甚20201920222020136图E3与城市核心区相比，郊区商店附近的人流量恢复得更快自2020年1月以来，商店附近的人流量变化，%1 郊区 城市纽约 伦敦 巴黎0 0 0-50

-50

-50-100

2020 2021

-100

2020 2021

-100

2020 2021 2022旧金山0

休斯顿 东京0 0-50

-50

-50-100

2020 2021

-100

2020 2021

-100

2020 2021 2022注：城市定义如下：纽约-纽瓦克-泽西城大都市统计区；大伦敦地区；法兰西岛；旧金山-奥克兰-海沃德大都市统计区；休斯顿-伍德兰市-舒格兰大都市统计区；以及关东地区（东京）。¹商店包括零售和娱乐场所，但不包括食杂店或药店。资料来源：谷歌社区流动性报告：麦肯锡全球研究院分析McKinsey&Company||PAGE7PAGEPAGE8对房地产的影响2019）图E4在温和情景下，2019至2030年的办公和零售空间需求或将大幅下降价格调整前的房地产需求变化，2019-2030年，%与疫情无关的因素导致的变化疫情驱动的行为导致的变化城市核心区住宅空间1

城市核心区零售空间旧金山–20–2旧金山–20–2–17伦敦–116–22纽约–166–14休斯顿226–3巴黎–13–4–9慕尼黑–168–4东京–912–2北京25–9上海–1431

0

20

–20

0 10注：有关这些情景的更多信息，参见技术附录。¹超级明星城市对住宅空间的需求具有很高的价格弹性，因此从长期来看，这些变化可能会导致价格再平衡，不会导致需求的实际减少。资料来源：北京市统计局；法国巴黎银行；高力国际；CommercialRealEstateIntelligenceSolutions；CoStar；城镇升级、住房和社区部（英国；E&GRealEstate；E-Stat（日本；欧盟统计局；EW&AssociatesRealty；联邦统计局（德国；GermanPropertyPartners；Kastle；MinistryofBeijing（法国；国家统计局（西班牙；国家统计局（英国；RealAdvisor；SankoEstateCompany；上海市统计局；日本统计局；东京都政府；美国劳工统计局；美国人口普查局；麦肯锡全球研究院分析McKinsey&Company8000亿2030

在我们研究的中位城市中，办公空间需求或将减少13%20192022202220191020302019342019年低20308000203042202238%5flighttoqualit3）45数据来自CoStar。||PAGE9PAGEPAGE10住宅需求增长趋于乏力，城市核心区尤甚201920220.8到9.968个13201912750020301020192024在我们研究的中位城市中，零售空间需求将减少9%201920221.86.2201920222030201917426由于数据有限，估算不含中国。7。。||PAGE11PAGEPAGE12图E5在房价高、写字楼密集的街区，人口外迁往往更严重旧金山 曼哈顿，纽约市2019年写字楼占房地产的比例，%0 100 8798839889 金融区

下东区旧金山，邮政编码 曼哈顿，邮政编码2019年典型房价的自然对数，美元37.1万 290万100万200万210万190万210万190万270万2020-2022年净迁出，占居民百分比≤0 ≥253727392740变更申请得出的，原因是邮政局的数据更新更及时，而且对应的地理区域更小。资料来源：美国人口普查局；美国邮政局；Zillow房价指数；麦肯锡全球研究院分析McKinsey&Company80%

业态构成和城市结构在街区层面产生影响15022100202020222.2在城市层面，业态构成和城市结构也是造成差异的原因0.80.45263043.35.0||PAGE13PAGEPAGE14在街区层面，考虑综合性开发在建筑层面，构造具备适应性、灵活性的空间3%88过剩办公空间是指在结构性空置率（即2014年至2019年的平均空置率）之外的预计空置空间。||PAGE15在楼层层面，设计模块化和多功能空间©CareyShaw/Stocksy||PAGE17PAGEPAGE302020混合工作模式将继续存在办公室出勤率仍较疫情前低30%202090%99数据来自美国写字楼门禁管理公司Kastle。30有）56图1多数办公室员工都自称采用混合工作模式7711191877111918370天 1 2 3 4 5各城市报告的办公室出勤率，每周工作天数

012345旧金山 伦敦 纽约 休斯顿 巴黎 慕尼黑 东京 北京 上海

3.0 3.2 3.4 3.6 3.8 4.0注：由于四舍五入，百分比总和可能不等于100%。受访者被问到的问题是：“您目前平均每周有多少天在办公室工作?”该结果不包括自称“目前未就业且不在办公室工作”的受访者，也不包括自称目前没有全职工作的受访者。资料来源：麦肯锡全球研究院分析McKinsey&Company。||PAGE19PAGEPAGE20在住房昂贵且知识经济从业人员比例较高的大都市地区，办公室出勤率较低28%。图2在美国，房价昂贵且以知识经济为导向的县，办公室出勤率较低办公室附近的人流量变化，2020年1月至2022年10月，%城市 农村 郊区Expensive纽约县12Expensive纽约县121314旧金山县

Circlesize纽约县20纽约县204060

=100万在岗劳动者更慢地返回办公室–50

–50典型房价的自然对数，2019年

知识经济从业者占所有员工比例，2019年，%注：本图展示的县位于亚特兰大、波士顿、芝加哥、达拉斯、休斯顿、洛杉矶、纽约市、费城、旧金山、西雅图和华盛顿特区这些大都市地区。资料来源：谷歌社区流动性报告；美国劳工统计局；美国人口普查局；Zillow房价指数；麦肯锡全球研究院分析McKinsey&Company大型知识经济企业办公室出勤率较低3.31000至24999于100321000至2499954%。图3大型知识经济企业的办公室出勤率较低按行业和公司规模划分的办公室出勤率，每周工作天数大公司，按员工人数划分

天数2.02.53.03.54.04.5专业服务医疗保健公用事业和行政管理制造建筑零售和批发贸易交通运输政府

2–49

50–99

100–249250–499500–9991000-99001万-2.49万

2.5万+注：受访者被问到的问题是：“您目前平均每周有多少天在办公室工作?”该结果不包括自称“目前未就业且不在办公室工作”的受访者，也不包括自称目前没有全职工作的受访者。资料来源：麦肯锡全球研究院分析McKinsey&Company||PAGE21PAGEPAGE22办公室出勤率因年龄、收入和级别的不同而略有差异图3.5图图4办公室出勤率因年龄、收入和级别的不同而略有差异每周工作天数

按自称的出勤率划分的调查对象分布情况，% 7 11237 112320336

≥3.7

01 234

每周5天千禧X婴儿潮

千禧一代平均¹

一代世代一代

X世代87婴儿潮一代87

6 11196 11192037

15 12 46按年龄和收入千禧X婴儿潮

每周远程工作一天或多天

非远程一代世代一代 均值<5万美元<5万美元5万–7.5万美元7.5万–10万美元10万–15万美元>15万美元7 10 12 19762222191415212345813115103831313656677按年龄和工作资历²千禧X世婴儿潮初级中级高级8 1020初级中级高级8 10202514 111926467 1234103632612注：受访者被问到的问题是：“您目前平均每周有多少天在办公室工作?”该结果不包括自称“目前未就业且不在办公室工作”的受访者，也不包括自称目前没有全职工作的受访者。调查时年龄为18至34岁的受访者被归为“千禧一代”，35至54岁的受访者被归为“X世代”，55岁及以上的受访者被归为“婴儿潮一代”。¹这些平均数未经加权。²初级职位包括助理和分析员；中级职位包括总监、经理和团队领导；高级职位包括高层管理者和副总裁。资料来源：麦肯锡全球研究院分析McKinsey&Company20居家办公可节省通勤时间，去办公室能与团队面对面沟通111115%3图5居家办公可节省通勤时间，而去办公室能与团队面对面沟通在办公室工作的首要原因，%20121110提高生产率20121110会见客户99

可享受灵活工作安排的受访者在家工作的首要原因，%2011920119省钱887在更舒心的地方7工作注：受访者需列出自己的首要原因。由于本图只显示5个最受欢迎的回答，因此百分比相加不等于100。此外，本图只显示自称每月在家工作一天以上的受访者的回答。资料来源：麦肯锡全球研究院分析McKinsey&Company||PAGE23PAGEPAGE24目前的办公室出勤率可能会持续下去20210图6办公室出勤率似乎已经稳定，总体保持在低于疫情前的水平美国城市的办公室出勤率，以2020年3月=100进行指数化，%1009080奥斯汀606050 均值40 芝加哥洛杉矶纽约30 华盛顿特区旧金山圣何塞20 费城1002020

2021

2022

2023注：作为这些数据来源的门禁卡主要用于大型甲级写字楼。资料来源：Kastle；麦肯锡全球研究院分析McKinsey&Company10数据来自Kastle。请注意，作为这些数据来源的门禁卡主要用于大型甲级写字楼。图7员工在办公室工作的天数已经基本达到雇主期望值自称每周在办公室工作的天数理想如果完全自主决定，您平均每周会在办公室工作多少天?

目前您目前平均每周有多少天在办公室工作?

预期疫情结束后，您预计雇主最有可能要求您每周在办公室工作几天?大都市区伦敦纽约巴黎东京北京上海均值0 1 2 3 4 5注：这些结果不包括自称“目前未就业且不在办公室工作”的受访者。资料来源：麦肯锡全球研究院分析McKinsey&Company图8高度偏好居家办公室的员工相对来说资历较深，薪酬也较高调查对象分布情况，%所有受访者 高度偏好居家办公的受访者¹按收入16>15万美元331710万–15万美元31197.5万–10万美元16225万–7.5万美元1125<5万美元9按工作资历² 195625

高级44中级 5044初级 6这类受访者表示，如果必须每天都在办公室工作，他们可能会辞职；如果能按照自己偏好的天数在家工作，他们愿意用超过20%的薪酬作为交换。初级职位包括助理和分析员；中级职位包括总监、经理和团队领导；高级职位包括高层管理者和副总裁。资料来源：麦肯锡全球研究院分析McKinsey&Company||PAGE25PAGEPAGE2610204411MGI12多达7%的人口永远离开城市核心区2000201950GDP131411Thenextgreatdisruptionishybridwork—arewe年ofremoteworkNicholasBloomDoesworkingfromhomeworkEvidencefromaChineseQuarterlyJournalof13012ThefutureofworkafterCOVID-19，麦肯锡全球研究院，2021年2月。13Pixelsofprogress:Agranularlookathumandevelopmentaroundtheworld，麦肯锡全球研究院，2022年12月。14GregHoward和JackLiebersohnWhyistherentsodarnhighTheroleofgrowingdemandtoliveinhousing-supply-inelasticofUrbanBolter和JimRobeyAgglomerationeconomies:AliteratureE.UpjohnInstituteforEmploymentResearch，2020年6EdwardL.GlaeserAgglomerationGlaeser图9疫情导致大多数城市的人口增长放缓每年人口增长，%2014–2019年变化国家2014–2019年变化国家美国美国美国美国美国美国法国美国美国美国德国德国德国德国德国美国日本日本日本大都市区纽约波士顿巴黎费城科隆柏林慕尼黑西雅图东京大阪−10121.7−0.00.60.80.5−0.20.60.31.50.20.00.40.70.90.41.60.3−0.2−0.1

1.9

−1−1.0

疫情中2020–2022年变化0 0.1

1.4

21.8−0.8−1.2

−0.4−0.2−0.1

0.310.20.30.1−2.3

−0.5−0.5

代表2020–2021年的变化（尚无2022年的数据）（法国（西班牙E-Stt日本（英国McKinsey&Company图20142019202020220.3202020226202020217%1515目前尚无关于伦敦2022年人口变化的数据。||PAGE27PAGEPAGE28116图10在疫情期间，大多数郊区的增长速度都超过了城市核心区城市和郊区人口增长率差异，百分点疫情中2020–2022年复合增长率

疫情中2020–2021年复合增长率(尚无2022年数据)

疫情前2015–2019年复合增长率郊区增长更强劲

市区增长更强劲国家美国美国美国美国美国美国法国美国美国美国德国德国德国德国德国美国日本日本日本

大都 8 7市区纽约波士顿巴黎费城科隆柏林慕尼黑西雅图东京大阪

6 5 4 3

1 0 1英国 伦敦陆 北京中国 上海注：伦敦的结果基于英国国家统计局对2021年人口普查结果的修订。（法国（西班牙E-Stt日本（英国McKinsey&Company1620222020-20212020-20222020-20222020202220202022。4118。从邮政编码层面看，疫情期间的情况同样如此。我们在对旧金山县、纽约县（曼哈顿）和哈里斯县17202040DebinLuSpatiotemporalpatternsandinfluencingfactorsofhumanmigrationnetworksinChinaduringCOVID-19”，GeographyandSustainability2418130Zillow||PAGE29PAGEPAGE30图11零售业薄弱的县遭遇了更大的人口外迁以知识经济为导向、净迁移，2020–2021年，占人口百分比，%城市 农村

郊区 =100万在岗劳动者净迁入6

2019年典型房价的自然对数 2019年就业人数占人口的比例，%1昂贵121314昂贵121314写字楼密集0501001500 0-6 -6净迁出净迁入6

知识经济从业者占所有员工比例，2019年，%

非零售从业者占所有员工比例，2019年，%知识经济导向20知识经济导向20304050零售业薄弱8590950 0-6 -6净迁出注：本图展示了亚特兰大、波士顿、芝加哥、达拉斯、休斯顿、洛杉矶、纽约市、费城、旧金山、西雅图和华盛顿特区等大都市区的县。¹资料来源：美国劳工统计局；美国人口普查局；Zillow房价指数；麦肯锡全球研究院分析McKinsey&Company混合办公促进人口外迁2020年2020年1/3表2020年39%和2659%和4和385533图12承担有看护责任的年轻人重视混合工作制，并推动了与疫情有关的搬迁调查对象分布情况，%特征自称如果被迫每周去办公室工作5“可能”或“极有可能”辞职的人，%。

因其他原因搬迁19126919126926394459自称是主要看护人，%26394459平均年龄，岁 43 36平均家庭规模，人数

2.9 3.1资料来源：麦肯锡全球研究院分析McKinsey&Company||PAGE31PAGEPAGE32人口外迁的速度虽然在放缓，但人们仍在离开城市核心区202020210.11图13自疫情爆发以来，美国城市核心区的人口外迁速度放缓，但并未停止郊区/农村净迁移占美国总人口比例，% 城市郊区/农村净迁入净迁出0.4净迁入净迁出0.2

其他县，郊区/农村超级明星城市大都市区，0 郊区/农村其他县，城市核心区−0.2 超级明星城市大都市区，城市核心区-402011

2015

2020注：这里的超级明星城市包括亚特兰大、波士顿、芝加哥、达拉斯、休斯顿、洛杉矶、纽约市、费城、旧金山、西雅图和华盛顿特区。4类净迁移人数相加为零。资料来源：美国人口普查局；麦肯锡全球研究院分析McKinsey&Company19数据来自美国人口普查局。消费依旧低迷，城市核心区尤甚疫情期间，人们长时间居家，这改变了他们的消费方式2020年12080%5030图14疫情初期，商店附近的人流量骤降，伦敦和巴黎尤其明显商店附近的人流量变化，以2020年1月=100进行指数化，%¹120

东京休斯顿巴黎纽约伦敦旧金山402002020

2021

2022¹商店包括零售和娱乐场所，但不包括食杂店或药店。资料来源：谷歌社区流动性报告：麦肯锡全球研究院分析McKinsey&Company20数据来自谷歌（Google）的新冠疫情社区流动性报告。||PAGE33PAGEPAGE34图152020年，网购支出激增，但此后又恢复到疫情前的趋势各国/地区网购支出占所有零售支出的比例，%

网购支出增长占所有零售支出的比例，百分点平均年度变化， 变化平均年度变化， 变化2016–2019年2019–2020年↑2.2 ↑9.930中国英国↑1.5↑8.9德国↑0.7↑2.120美国 ↑0.9 ↑4.1法国↑0.7↑2.410日本 ↑0.4 ↑1.302016

2019

2020资料来源：欧睿国际；日本经济产业省；北京市统计局；国家统计（英国；美国人口普查局；麦肯锡全球研究院分析McKinsey&Company0.420192020家4消费行为开始恢复疫情前的趋势，但商店的人流和消费依然较低102019年低图16商店支出下降速度低于人流量下降速度商店支出，以2019年=100进行指数化，%110

平均年度变化，%2015-20192019-2022休斯顿慕尼黑

↑1.3↓0.5

↑1.7↓0.3100

旧金山 ↑0.2 ↓0.5纽约 ↓1.3巴黎 ↑0.490东京 无数伦敦 ↓1.1

↓0.4↓1.3↓1.7↓2.780 北京 ↑1.2 ↓6.9702015

2019

2022注：这些数字已根据通货膨胀进行调整。2022年价值为估算值。资料来源：北京市统计局；欧睿国际；日本经济产业省；美国人口普查局；麦肯锡全球研究院分析McKinsey&Company||PAGE35PAGEPAGE36图17疫情导致消费者增加商品支出，但自2021年起，他们开始将支出转向服务15.5%支出复苏美国月度消费支出，15.5%支出复苏

支出增长140商品130120服务11010090802013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023注：数字已根据通货膨胀进行调整。资料来源：美国经济分析局；麦肯锡全球研究院分析McKinsey&Company2021202120212020在城市核心区和办公密集区，商店附近人流量的下降尤为持久2022202036%。20202022年图18与城市核心区相比，郊区商店附近的人流量恢复得更快自2020年1月以来，商店附近的人流量变化，%1 郊区 城市纽约 伦敦 巴黎0 0 0-50

-50

-50-100

2020 2021

-100

2020 2021

-100

2020 2021 2022旧金山0

休斯顿 东京0 0-50

-50

-50-100

2020 2021

-100

2020 2021

-100

2020 2021 2022注：城市定义如下：纽约-纽瓦克-泽西城大都市统计区；大伦敦地区；法兰西岛；旧金山-奥克兰-海沃德大都市统计区；休斯顿-伍德兰市（东京。商店包括零售和娱乐场所，但不包括食杂店或药店。资料来源：谷歌社区流动性报告：麦肯锡全球研究院分析McKinsey&Company||PAGE37图19在美国，在办公室工作时间较少的员工，其网购支出较多24172625按每周在办公室工作的天数划分的每周零售支出份额，%24172625办公室工作天数012345其他靠近工作场所314 4 11101014 8 购物目的地1216192424靠近住处3535191718282322线上3634242622资料来源：麦肯锡全球研究院分析McKinsey&Company'Victor||PAGE39PAGEPAGE40。2019）对办公空间的需求将会减少在我们研究的城市中，办公空间需求已经下降，空置率增幅高达13%20222019104图202019至2022年，超级明星城市的写字楼空置率有所上升办公空间空置比例，%2019 2022国家

大都 8%201914%20228%201914%2022伦敦纽约巴黎东京上海北京均值

5

15 20 25注：本图中的城市定义如下：旧金山-奥克兰-海沃德大都市统计区、伦敦地区、纽约-纽瓦克-泽西城大都市统计区、休斯顿-伍德兰-舒格兰大都市统计区、法兰西岛、慕尼黑大都市统计区、东京地区、上海地区和北京地区。资料来源：法国巴黎银行、高力国际、CoStar、E&GRealEstate、GermanPropertyPartners、SankoEstateCompany、麦肯锡全球研究院分析McKinsey&Company2121为了确定租金的实际变化，我们根据每个城市所在国家/地区的通货膨胀率对租金进行了调整。||PAGE41PAGEPAGE422007和20082130201921%。2021222022201928201913201937%23。-4.803.504。在我们研究的中位城市中，2030年的办公空间需求预计将比2019年低13%20302019132220%。222021年，全球写字楼交易量每季度增长27%，商业地产交易量每季度增长38%。23数据来自CoStar。24这个指数是由美国不动产投资受托人委员会（NationalCouncilofRealEstateInvestmentFiduciaries）制作的NCREIF资产指数。图21在多数超级明星城市，2030年的办公空间需求或将低于2019年价格调整前的办公空间预期变化，2019–2030年，%与疫情无关的因素导致的变化疫情驱动的行为导致的变化温和情景 严重情景旧金山–20旧金山–20–38伦敦–11–31纽约–16–31休斯顿2巴黎–13–22慕尼黑–16–26东京–9北京2–18上海–14–21–19–10注：城市定义如下：旧金山-奥克兰-海沃德大都市统计区资料来源：法国巴黎银行；高力国际；CommercialRealEstateIntelligenceSolutions；CoStarE&GRealEstate（德国；GermanPartners；Kastle；MinistryofBeijing；三井不动产；SankoEstateCompany；东京都政府；美国劳工统计局；麦肯锡全球研究院分析McKinsey&Company20302||PAGE43PAGEPAGE44203020197%。203072019图22供给过剩最严重的超级明星城市是旧金山、上海、北京、伦敦和慕尼黑价格调整前的办公空间预期变化，2019–2030年，%

预期供应增长，2019–2030年，%

预期空置率，2030年，%伦敦纽约巴黎东京北京上海

−20 −10

0 10

供给过剩¹14718171515172110314718171515172110

结构化空置率²6666887397391320结构化空置率之外的空置空间百分比。1320对大多数城市而言，是2014至2019年的平均空置率；对北京、巴黎和上海而言，则是2017至2019年的平均空置率。舒格兰大都市统计区、法兰西岛、慕尼黑大都市统计区、东京地区、北京地区和上海地区。资料来源：法国巴黎银行；高力国际；CommercialRealEstateIntelligenceSolutions；CoStar、E&GRealEstate、联邦统计局（德国）；GermanPropertyPartners；Kastle；MinistryofBeijing；三井不动产；SankoEstateCompany；东京都政府；美国劳工统计局；WFHAssociates；麦肯锡全球研究院分析McKinsey&Company203020在我们研究的城市中，约有8000亿美元办公空间价值面临风险20308000203042203020252019年低3020325。5.835%26恶性。25526GreenStreet，2023年。文本框1文本框写字楼行业的“投资上移”2020202280个

）牺牲20图23乙以来，美国许多城市的甲级写字楼的租金和需求增长都超过甲级和乙级写字楼在需求和租金增长方面的差异，2020–2022年，百分点乙级 需求增长更快 甲级巴尔的摩迈阿密巴尔的摩迈阿密洛杉矶圣迭戈芝加哥纽约费城菲尼克斯奥斯汀丹佛休斯顿坦帕底特律旧金山顿特区华盛波士顿翰伯明纳什维尔甲级10租金增长0 更快-10-3 0

乙级1 2 3资料来源：CompStak；CoStar；麦肯锡全球研究院分析锡全球院|混情房深远响 45PAGEPAGE46||PAGE63住宅需求增长趋于乏力，城市核心区尤甚2019“超级明星”城市核心区的住宅地产需求和价格上涨速度慢于郊区和其他城市201920220.89.9图24疫情期间，城市核心区的住宅空置率增速超过郊区住宅空置率变化，2019–2022年，百分比 城市核心区旧金山6.2纽约−0.2旧金山6.2纽约−0.2休斯顿伦敦−0.3巴黎2.51.3慕尼黑东京均值3.80.50.81.41.99.90.94.02.3−1.1资料来源：北京市统计局；城镇升级、住房和社区部（英国；欧盟统计局；EW&AssociatesRealty；联邦统计局（德国；E-Stat（日本；国家统计和经济研究所（法国；国家统计局（西班牙；国家统计局（英国；RealAdvisorMcKinsey&Company2019202281327。图25美国超级明星城市核心区的房价上涨速度远低于其他地区典型房价，以2020年1月=100进行指数化，直到2022年12月，%¹140 其他县，市区 +5 /农村120

均值 超级明星城市大都市区， +8 +8 超级明星城市大都市区，市区100802020经季节性调整的平滑指标，用于衡量第35百分位数至第65百分位数房屋的典型价值。资料来源：美国人口普查局；Zillow房价指数；麦肯锡全球研究院分析McKinsey&Company27RudigerAhrendChangesinthegeographyhousingdemandaftertheonsetofCOVID-19:Firstresultsfromlargemetropolitanareasin13OECD1713年PAGEPAGE48||PAGE49282019127500图26旧金山呈现“甜甜圈效应”：郊区房价上涨，核心区房价下跌各邮政编码区的典型房价上涨情况，2019年12月–2022年12月，%1–12 ≥30旧金山旧金山县旧金山旧金山县阿拉米达县圣马特奥县经季节性调整的平滑指标，用于衡量第35百分位数至第65百分位数房屋的典型价值。资料来源：Zillow房价指数；麦肯锡全球研究院分析McKinsey&Company28ArjunRamani和NickBloom合作撰写的Thedonuteffect:HowCOVID-19shapesrealestate，斯坦福经济政策研究所，2021年1月。203020192019203020192030图27在温和情景下，大多数超级明星城市2030年的住宅空间需求高于2019年价格调整前的住宅空间需求预期变化，2019–2030年，%¹与疫情无关的因素导致的变化疫情驱动的行为导致的变化

预期供给过剩，2030年，%²城市核心区 郊区旧金山–2旧金山–2伦敦纽约休斯顿1.1巴黎–4慕尼黑8−0.70.4东京120.5−0.7北京5这些大都市区尚无完整数据上海3266−0.463.58.9−6.17.8−2.78.81.99.8注：有关该情景的更多信息，请参阅技术附录。超级明星城市对住宅空间的需求具有很高的价格弹性，因此从长期来看，这些变化可能会导致价格再平衡，不会导致需求的实际减少。结构化空置率（即2014至2019年的平均空置率）之外的空置空间百分比。W&sMcKinsey&CompanyPAGEPAGE50||PAGE5120142019）图28人口外迁的影响要受人口增长的驱动，而人口增长又受到疫情导致的温和情景下的伦敦住宅空间需求，百万平方米假如没有疫情的人口增长影响疫情引发的国内迁移对人口变化的影响平均家庭规模变化所产生的影响平均住房大小所产生的影响2030年变化

城市核心区变化，郊区总计222.22030年，预期值185.52019年郊区总计222.22030年，预期值185.52019年36.82.414.66.613.217.0−11.72.00.37.6

郊区变化，2019-2030年城市核心区总计2019年 133.02030年，预期值 140.7注：有关这些情景的更多信息，请参见技术附录。资料来源：国家统计局（英国；城镇升级、住房和社区部（英国；麦肯锡全球研究院分析McKinsey&Company在严重情景下，疫情导致的国内人口外迁比例高于温和情景。因此，对于大多数城市而言，该情景下2030年的需求低于温和情景（图29）。但即便是在严重情景下，大多数城市的净需求仍会增加。20152019图29也高于景下，大多数超级明星城市2030年的住宅空间需求价格调整前的住宅空间需求预期变化，2019–2030年，%¹与疫情无关的因素导致的变化疫情驱动的行为导致的变化

预期供给过剩，2030年，%²城市核心区 郊区旧金山–9旧金山–9伦敦–5纽约10.2休斯顿巴黎–4慕尼黑–0.20.9东京北京5这些大都市区尚无完整数据上海211–0.81.48261.43.99.7–13.413.3–7.018.35.016.2超级明星城市对住宅空间的需求具有很高的价格弹性，因此从长期来看，这些变化可能会导致价格再平衡，不会导致需求的实际减少。结构化空置率（即2014至2019年的平均空置率）之外的空置空间百分比。资料来源：北京市统计局；城镇升级、住房和社区部（英国；欧盟统计局；EW&AssociatesRealty；联邦统计局（德国；E-Stat（日本；国家统计和经济研究所（法国；国家统计局（西班牙；国家统计局（英国；RealAdvisor分析McKinsey&CompanyPAGEPAGE52||PAGE5329。20192022零售空间将继续面临挑战2019商铺空置率增加，租金下降，写字楼密集区尤甚201920223.35.420193.029GregHoward和JackLiebersohnWhyistherentsodarnhighTheroleofgrowingdemandtoliveinhousing-supply-inelasticofUrban图30从2019年到2022年，城市核心区的零售空间空置率增加，租金下降城市核心区零售空间空置率增长，2019–2022年百分点1

城市核心区零售空间要价租金的实际降幅，5.45.52019–2022年，%15.45.5伦敦6.2巴黎4.19.8上海3.7北京2.9纽约2.6均值均值3.1休斯顿3.1

3.31.81.91.0旧金山1.81.91.0这些增长所依据的2022年数值是伦敦和巴黎的官方估计以及其余城市的估计。注：此处的城市核心区定义如下：内伦敦各区、巴黎省、上海市内八区、北京市内八区、纽约县、哈里斯县和旧金山县。资料来源：CoStar；戴德梁行；IVD-Gewerbe-Preisspiegel；日本不动产研究所（JapanRealEstateInstitute；莱坊（KnightFrank麦肯锡全球研究院分析McKinsey&Company从2019年12月到2022年PAGEPAGE54||PAGE552022图31在纽约大都市区，写字楼密集区的零售租金增长最慢2019年写字楼占房地产的比例，%金融区中央火车站增长较慢上郊区帕塞伊克南皇后区克拉克斯敦金融区中央火车站增长较慢上郊区帕塞伊克南皇后区克拉克斯敦中央皇后区米德尔敦帕塞伊克市区布朗克斯上西区南爱迪生区哈德逊河滨/Soho区 场上公园大道联合国广布鲁克林市中心哥伦布圆环100时报广场8060更多办公空间402000 2

6 8 102019年至2022年零售空间要价租金变化，百分点资料来源：CoStar；麦肯锡全球研究院分析McKinsey&Company在我们研究的中位城市中，2030年的零售空间需求预计将比2019年低9%20302019年低31图32在几乎所有超级明星城市的核心区，2030年的零售空间需求或将低于2019年价格调整前的零售空间需求预期变化，2019–2030年，%与疫情无关的因素导致的变化疫情驱动的行为导致的变化温和情景严重情景−30−20−10010−30−20−10010旧金山旧金山–17–26伦敦–22–31纽约–14–22休斯顿–3–5巴黎–9–16慕尼黑–4–11东京–2–10北京–9–19上海1–11注：此处的城市核心区定义如下：旧金山县、内伦敦各区、纽约县、哈里斯县、巴黎省、慕尼黑市、东京都、北京市内八区、上海市内八区。有关这些情景的更多信息，请参阅技术附录。资料来源：CoStar；戴德梁行；欧睿国际；IVD–Gewerbe–Preisspiegel；日本不动产研究所；莱坊；国家统计和经济研究所（法国国家统计局（英国）；美国劳工统计局；美国人口普查局、麦肯锡全球研究院分析McKinsey&CompanyPAGEPAGE56||PAGE57图33在伦敦，推动零售空间需求下降的主要因素是网上购物的持续兴起温和情景下的伦敦零售空间需求，百万平方米2019-2030年

郊区变化，2019-2030年人口增长的影响假如没有疫情的消费支出增长人口增长的影响假如没有疫情的消费支出增长影响0.9远程工作增加导致实体店支出变化的影响网购增加的影响上述影响的相互作用2030年变化−22.6城市核心区总计81.22030年，预期值103.82019年1.3−25.5−1.14.3−29.012.2−17.6−3.2−17.6−3.2郊区总计郊区总计100.32030年，预期值117.902019年注：有关这些情景的更多信息，请参见技术附录。资料来源：麦肯锡全球研究院分析McKinsey&Company20222030图34但却增加了郊区的零售空间需求心地区的零售空间需求，温和情景下的巴黎零售空间需求，百万平方米2019-2030年

郊区变化，2019-2030年人口增长的影响假如没有疫情的消费支出增长影响远程工作增加导致实体店支出变化的影响网购增加的影响

−5.210.115.510.115.5−0.30.3−18.3−1.95.6郊区总计178.82030年，预期值173.22019年−9.1上述影响的相互作用2030年变化

−0.7

−7.6城市核心区总计2019年2030年，预期值

8678.4注：有关这些情景的更多信息，请参见技术附录。资料来源：麦肯锡全球研究院分析McKinsey&Company760560'AlexanderSpatari/Get||PAGE596060）3031。3031RudigerAhrendChangesinthegeographyhousingdemandaftertheonsetofCOVID-19Firstresultsfromlargemetropolitanareasin13OECD1713号，2022年4月。业态构成和城市结构在街区层面产生影响尤227910032。202020222.2在城市层面，业态构成和城市结构也是造成差异的原因因此需求受疫情影响很大。32CoStarZillow||PAGE616262图35业态构成和城市结构差异有助于解释为什么这些城市会受到疫情的不同影响圆圈大小=对办公、住宅和零售房地产需求的影响程度较严重较严重纽约伦敦 旧金山慕尼黑东京休斯顿巴黎受疫情影响不太严重较高知识经济大公司数量居民比例对远程工作和必要技术的文化接受度较低城市结构更多住宅和商店 更多写字楼较平缓的价格梯度¹ 较陡峭的价格梯度更多绿色空间 更少绿色空间价格梯度越平缓，意味着城市核心区和郊区之间的房价差距越小。价格梯度越大，意味着差异越大。资料来源：麦肯锡全球研究院分析McKinsey&Company作为知识经济的堡垒，旧金山受到疫情的严重影响503320200.620192022135.0430.80.4526939个街520302010201920191120302019）巴黎比旧金山多样化程度更高、价格更便宜，因此受影响较小3.416%。201933Kastle10|