夜雨聆风1万亿人民币，建一个AI数据中心。不是5年、10年慢慢花的预算，是切切实实买设备、建厂房、拉电网——每一分钱花出去，对应一块铁、一条光纤、一度电。
这个"万亿级数据中心"长什么样？每个板块要买多少东西？花多少钱？更重要的是——哪几个零件卡住了整个项目的脖子？
这篇文章把整件事拆开，一个板块一个板块看。
先看全景：七大板块、一万亿怎么分
一个AI数据中心拆开，是七个板块在协同工作。任何一个板块掉链子，其他六个都在等它。
这七个板块怎么一起工作？用一个场景串起来：
用户提交一个AI训练任务 →
⑦ 调度系统：分配2000张GPU，排队，开始跑
├─ ① 计算：2000张GPU开始矩阵乘法，功耗全开
│ ├─ ⑤ 散热：GPU烧出1.4MW热量，液冷全速运转
│ └─ ④ 供电：市电→变压器→UPS→PDU→服务器，1.4MW不会断
├─ ② 网络：2000张GPU之间每分钟交换几十TB梯度数据
│ └─ 光模块+交换机+光纤，800G端口全速炸满
└─ ③ 存储：每秒从分布式存储拉几十TB训练数据
└─ 每2小时存一次检查点到温存储（几十TB）
所有环节都没掉链子，训练任务才跑得起来。
下面逐个拆开。
① 计算（5,500亿 / 55%）
一个数据中心存在的唯一理由。GPU是绝对主角——一台AI服务器，GPU成本占80%以上。
计算板块里有什么
万亿数据中心需要买多少
| 200万张 | |||
200万张B200是什么概念？一张B200的FP8算力约4,500 TFLOPS。200万张理论峰值=9,000 EFLOPS。按40%的实际利用率，可用算力约3,600 EFLOPS。马斯克xAI的Colossus集群是20万张GPU——这个规模是Colossus的10倍。全球目前部署的H100等效GPU总量估计在500-700万张，这一座数据中心就相当于全球现有算力的30-40%。
200万张B200意味着什么？每张B200都需要台积电CoWoS先进封装。台积电CoWoS年产能约300—400万片。200万张GPU = 200万片CoWoS = 吃掉全球一半以上先进封装产能。不是有钱就能买到，产能排到2027年以后。
② 网络（1,200亿 / 12%）
让200万张GPU互相通信的整套系统。大模型训练不是一张GPU在跑，是几万张GPU协同工作——每秒钟交换的数据量比整个公共互联网一天的流量还大。网络如果慢10%，几万张卡就空等10%，相当于几千张GPU白买了。
网络板块里有什么
光模块为什么是网络板块里最重要的东西
光模块插在网络拓扑的每一层连接点上：
L2 服务器 → L3 柜顶交换机 ← 光模块在这里
L3 柜顶交换机 → L4 汇聚交换机 ← 光模块在这里
L4 汇聚交换机 → L5 骨干交换机 ← 光模块在这里
它的工作原理：GPU算出来的数据是电信号，要在光纤里传输必须转成光信号，到了对端再转回电信号。光模块干的就是这个"电→光→电"的翻译工作。短距（同机柜内）可以用铜缆，但跨机柜、跨机房、跨楼——必须用光纤+光模块。而万卡集群里，绝大多数连接都是跨机柜的。
每张GPU拉动2-3个光模块。200万张GPU = 需要约700万只光模块。中际旭创2025年全年卖了2,109万只——这一个集群就吃掉它全年出货量的1/3。
但光模块的瓶颈不在光模块本身。在它里面的两个核心零件：
| 极度紧缺 | ||
| 紧缺 |
所以现状是：中际旭创们不缺组装产能（2025年卖了2109万只），但上游光芯片和DSP芯片供不上来。证据：中际旭创、新易盛、天孚通信2026年Q1预付款合计从1.72亿暴增到22.67亿——翻了13倍。客户在抢着付钱锁产能，不提前付钱就排不上号。
700万只光模块，需要约1,400万颗EML激光器。全球EML年产量不到500万颗——光这个零件，3年都交不完货。
网络板块买多少
③ 存储（800亿 / 8%）
存训练数据、存模型参数、存中间检查点。大模型训练数据是PB级别（1PB=1,024TB），检查点每2小时存一次，一次就是几十TB。
存储板块里有什么
分层逻辑：越靠近GPU越快、越贵、容量越小。GPU←HBM（纳秒，192GB）←SSD（微秒，几TB）←分布式存储（毫秒，PB级）←冷存储（秒级，EB级）。
存储板块买多少
④ 供电配电（1,000亿 / 10%）
一张B200功耗1,000W，一台8卡服务器10kW。200万张GPU峰值功耗2,500MW——相当于上海市夏季峰值用电的10%。供电系统要保证电不中断、电压稳定。
供电板块里有什么
供电板块买多少
| 电网扩容费/容量预留 | 600 |
供电板块里最贵的一笔是什么？电网扩容费，600亿，占供电板块的60%。拉一条220kV高压专线到数据中心，新建变电站、架空线路、地下管廊——审批加上建设周期3-5年，比盖数据中心本身还慢。这就是为什么大厂现在在抢"电力走廊"——先占住有电的地方，再决定建什么。有电的地方才有数据中心。
⑤ 散热（600亿 / 6%）
200万张GPU烧出来的热量，等于几十万台空调在制热。单机柜80kW——传统风冷的上限是15kW，AI数据中心必须液冷。
散热板块里有什么
英伟达2026年6月官宣Rubin系列全球首个100%全液冷方案——冷却液入口温度提到45℃，彻底移除散热风扇。液冷从"选配"变"标配"的趋势不可逆。
散热板块买多少
⑥ 建筑基础设施（600亿 / 6%）
数据中心是一栋工业建筑，不是普通办公楼。楼板要能扛1吨重的机柜，消防不能用喷淋水（会把服务器浇坏），地板抬高60-100cm走冷水和电缆。
⑦ 管理调度（300亿 / 3%）
占比最低，但没了它，200万张GPU就是200万张各自为战的散卡。
算力利用率从30%提到50%，主要靠这一层。好的调度能省20-30%的电费——不是硬件问题，是软件问题。
把七张表拼到一起
| EML光芯片+DSP芯片 | |||
| 合计 | 10,000 |
这个模型的真正约束不在钱——在供应链。
200万张B200 → 吃掉全球CoWoS产能的一半以上，排到2027年。
700万只光模块 → 需要1,400万颗EML激光器，全球年产不到500万颗，3年交不完货。
3.6GW峰值电力 → 相当于上海市夏季用电的10%，需要国家发改委特批。
1万亿投得出去，但货交不出来。供应链的每一环——CoWoS、HBM、EML激光器、电力——都在说"不够"。
短缺全景：每个瓶颈一表打尽
| CoWoS先进封装 | 10-20% | |||
| HBM3E/4内存 | 40-50% | |||
| EML光芯片 | 其中：InP晶体生长调试6-12个月 + MOCVD设备交期8-14个月 + 客户认证6-12个月 | ~30% | ||
| InP磷化铟衬底 | ~70% | |||
| DSP芯片 | ||||
| 大型变压器 | ||||
| 电网扩容接入 |
这张表的核心信息：短缺材料的扩产周期，没有一个低于18个月。最短的CoWoS也要12-18个月爬坡，最长的电网扩容要5-10年。而AI需求的增速是每年45-60%。换句话说——供给在走路，需求在跑步，缺口只会越来越大，直到某个瓶颈率先被突破。
回头看，缺的到底是什么
一万亿数据中心，拆到底发现：钱不是问题，产能才是。
200万张GPU，台积电3年都不一定交得完。700万只光模块，光芯片的缺口大到可以再养出一批源杰科技。3.6GW电力，在今天的大环境下，电网扩容审批比买卡更难。
之前我们聊过"供需剪刀差3倍"——AI算力需求年增45-60%，供给年增15-20%。这个剪刀差在每个环节都有具象化的体现：
GPU环节 → CoWoS缺口20-30%。
内存环节 → HBM缺口40-50%。
光模块环节 → EML光芯片交期排到2027年。
电力环节 → 审批比建设还慢。
每一个缺口，都是一家公司的机会。台积电CoWoS扩产→长电科技和通富微电吃外溢订单。HBM短缺→长鑫存储加速量产。EML光芯片紧缺→源杰科技切入全球供应链。电力扩容难→液冷方案渗透率加速提升。
一万亿的购物清单，背后是几十家中国公司未来3-5年的增长空间。
免责声明：本文为产业研究推演，所有数据为基于公开信息的估算，不构成任何投资建议。文中涉及的公司和产品名称均为客观描述，不代表推荐或评级。市场有风险，投资需谨慎。