Does the ZimaCube 2 PCIe slot provide enough power for a GPU?

Yes — for slot-powered cards up to 75W. The Intel Arc Pro B50 (50W TDP) and similar low-power GPUs run entirely off PCIe slot power. The ZimaCube 2 PCIe slots do not route auxiliary power cables, so you need to choose a card that does not require them. The B50, NVIDIA RTX A2000, and Intel Arc A310/A380 are all viable options.

What GPU would you recommend for the ZimaCube 2?

For AI inference specifically, prioritize VRAM over compute. The Intel Arc Pro B50 (16GB) and NVIDIA RTX A2000 (12GB) are the best slot-powered options currently available. For media transcoding only, the Intel Arc A310 or A380 are cheaper and still provide hardware AV1 encoding. Avoid any GPU that requires a 6-pin or 8-pin power connector.

Can I run a ZimaCube 2 with a GPU 24/7 without thermal issues?

Yes. The ZimaCube 2 thermal design separates the CPU/PCIe zone from the drive zone. The Arc Pro B50 is a 50W card — it does not generate enough heat to overwhelm the chassis. Under sustained inference load, GPU temperatures stay within normal operating range without additional cooling modifications.

Can the ZimaCube 2 run both shared storage and AI workloads at the same time?

Yes. The original build described here uses the ZimaCube 2 as both the Proxmox cluster NFS/ZFS storage backend and a local AI inference server with llama.cpp and OpenClaw. The GPU VRAM handles model weights independently of system memory, and the NVMe storage pools ensure VM I/O is not bottlenecked by inference workloads.

What is the largest model I can run on a 16GB GPU in the ZimaCube 2?

A 16GB GPU like the Intel Arc Pro B50 can comfortably run quantized 13B–14B parameter models (Q5_K_M or Q4_K_M quants) with 4K–8K context windows, or 20B–34B models at lower quantization levels. For most self-hosted AI use cases — code assistance, document summarization, home automation NLP — a well-tuned 13B model with good quantization is the sweet spot.

وضعت بطاقة رسومات Intel Arc في ZimaCube 2 — الذكاء الاصطناعي المحلي بدون أي كابل إضافي

إيفا وونغ

IceWhale author

إيفا وونغ هي كاتبة تقنية و ومهندسة هاوية في ZimaSpace. مهووسة بالتكنولوجيا مدى الحياة ولديها شغف بالمختبرات المنزلية والبرمجيات مفتوحة المصدر، تتخصص في تبسيط المفاهيم التقنية المعقدة إلى أدلة عملية وسهلة الفهم. تؤمن إيفا بأن الاستضافة الذاتية يجب أن تكون ممتعة وليست مخيفة. من خلال دروسها، تمكّن المجتمع من تبسيط إعدادات الأجهزة، بدءًا من بناء أول نظام تخزين شبكي NAS وحتى إتقان حاويات Docker.

I Put an Intel Arc GPU in the ZimaCube 2 — Local AI Without a Single Extra Cable - Zima Store Online

لم أشترِ ZimaCube 2 من أجل الذكاء الاصطناعي. اشتريته ليكون الخلفية التخزينية لمجموعة Proxmox الخاصة بي.

لكن لاحظت فتحة PCIe x16. وحقيقة أنها تعمل بالكامل من طاقة اللوحة الأم — لا كابل 6 سنون، لا 8 سنون، ولا كابلات محول. فقط طاقة الفتحة. هذا غيّر الحسابات.

بعد تركيب بطاقة Intel Arc Pro B50، يعمل ZimaCube 2 الآن على llama.cpp وOpenClaw للاستدلال المحلي — إلى جانب وظيفته اليومية كعقل تخزين مشترك للمجموعة. إليك القصة كاملة: لماذا اخترت B50، كيف تم التثبيت، ماذا جلب ZimaOS Beta، وماذا يعني هذا لأي شخص يفكر في ترقية بطاقة الرسومات على ZimaCube 2.

لماذا Intel Arc Pro B50

اختيار بطاقة رسومات لـ NAS مدمج ليس مثل اختيار واحدة لجهاز ألعاب مكتبي. لديك ثلاث قيود صارمة:

طاقة الفتحة فقط. فتحات PCIe في ZimaCube 2 لا تمرر كابلات طاقة إضافية. يجب أن تعمل البطاقة بالكامل من الطاقة التي يوفرها اللوحة الأم — بحد أقصى 75 واط.
منخفضة الارتفاع أو فتحة واحدة. الهيكل أبعاده 240 × 221 × 220 مم. بطاقة بارتفاع كامل وفتحتين لن تناسب ماديًا.
هادئة وباردة. تعمل هذه البطاقة 24/7 في مساحة معيشة. لا مراوح منفاخ، ولا تقليل حراري عند الخمول.

بطاقة Intel Arc Pro B50 استوفت كل المتطلبات:

المتطلبات	Arc Pro B50
طاقة الفتحة فقط	✅ استهلاك طاقة 50 واط — يعمل بالكامل من فتحة PCIe (بدون كابلات)
تصميم منخفض الارتفاع	✅ فتحة واحدة، مع حامل نصف ارتفاع مرفق
ذاكرة VRAM للذكاء الاصطناعي	✅ 16GB GDDR6 — كافية لنماذج 13B–20B معلمات
تشفير AV1	✅ تشفير/فك تشفير AV1 على مستوى العتاد
السعر مقابل VRAM	✅ أفضل قيمة VRAM مقابل السعر في فئتها

💡 ذاكرة VRAM بسعة 16 جيجابايت مهمة للذكاء الاصطناعي المحلي. الفرق بين تشغيل نموذج 7B مكوّن وملائمة نموذج كامل 13B–14B مع السياق. إذا كنت ستضيف بطاقة رسومات إلى NAS خصيصًا للاستدلال، فإن سعة VRAM تهم أكثر من قوة الحوسبة الخام. بطاقة B50 16GB بهذا السعر كانت الخيار الصحيح.

بطاقة الرسومات Intel Arc B50 16GB PCIe مع مبرد منفاخ واحد، ومنافذ إخراج متعددة للشاشات للقيام بالاستدلال المحلي للذكاء الاصطناعي على NAS

التثبيت: فتحة واحدة، بدون كابلات، تم الانتهاء

استغرق التثبيت الفعلي أقل من عشر دقائق.

افتح اللوحة العلوية — فتحات PCIe هناك مباشرة، لا أقفاص للأقراص تعيق العمل. تنزلق B50 في فتحة x16. يتماشى الحامل نصف الارتفاع مع الفتحة الخلفية. شد برغي واحد. أغلق اللوحة. انتهى.

لا كابلات طاقة. لا محولات. لا حشر للكابلات في أماكن ضيقة. تنفيذ PCIe في ZimaCube 2 نظيف حقًا — الفتحة موضوعة مع مساحة كافية فوق خزانات الأقراص حتى أن بطاقة ذات فتحتين لن تعيق التخزين.

هذا ليس أمرًا مفروغًا منه على أجهزة NAS المدمجة. معظم الأجهزة بهذا الشكل لا تحتوي حتى على PCIe. والأجهزة التي تحتوي عليه غالبًا ما تضع الفتحة في مواقع تحد من ما يمكنك تثبيته فعليًا. IceWhale نجح في التصميم هنا.

ZimaOS Beta: دعم أصلي لتعريف Arc

كنت أخطط لمسح ZimaOS وتثبيت Ubuntu Server. ثم تواصل معي IceWhale مع إصدار بيتا من ZimaOS يتضمن دعمًا أصليًا لتعريف Intel Arc GPU.

🎁 هذا يستحق التوضيح: IceWhale يرسل بنشاط إصدارات البيتا لمختبري برنامج الرواد استجابةً لتعليقات المجتمع. لم تكن دمج تعريف Arc ضمن خارطة الطريق الأصلية — حدث ذلك لأن المستخدمين طلبوه. هذا النوع من الاستجابة مهم عند البناء على منصة.

إصدار البيتا يتعامل مع اكتشاف التعريف تلقائيًا. عند الإقلاع الأول بعد تثبيت B50، تعرف ZimaOS على البطاقة، وحمّل تعريف Intel i915 مع امتدادات Arc، وكشفها لبيئة تشغيل Docker. لا تجميع لوحدة النواة. لا تعديلات على GRUB. فقط عملت.

ما أشغله: llama.cpp + OpenClaw

مع التعرف على وحدة معالجة الرسومات، قمت بنشر حاويتين:

llama.cpp (استدلال معزز بوحدة معالجة الرسومات)

النموذج: Mistral 13B Q5_K_M (يتناسب مع ~12 جيجابايت من ذاكرة الفيديو مع سياق 8K)
الخلفية: Intel SYCL (وحدة معالجة الرسومات Arc)
حالات الاستخدام: مراجعة الشيفرة، تلخيص الوثائق، روبوت محادثة محلي، معالجة اللغة الطبيعية لأتمتة المنزل

شعار إطار استدلال نموذج اللغة الكبير مفتوح المصدر LLaMA C++ على خلفية داكنة

OpenClaw (بوابة الذكاء الاصطناعي المحلية)

نقطة نهاية API موحدة لعدة نماذج محلية
يوجه الطلبات بين llama.cpp والنماذج الأصغر المعتمدة على وحدة المعالجة المركزية
يتصل بـ Home Assistant للاستعلامات المنزلية الذكية التي يتم التحكم فيها صوتيًا

الأداء هو بالضبط ما تتوقعه من بطاقة ذات فتحة واحدة بقوة 50 واط: ليست وحدة معالجة رسومات لمركز بيانات، لكنها سريعة بما يكفي لتكون مفيدة حقًا. يولد Mistral 13B حوالي 25–35 رمزًا في الثانية — أسرع من سرعة القراءة، وهو الحد الذي يجعل الذكاء الاصطناعي المحلي يشعر بالاستجابة بدلاً من الألم.

شعار تميمة OpenClaw مفتوح المصدر لأداة الزحف المستضافة ذاتيًا مع خلفية مرجانية

الحفاظ على الوظيفة اليومية: خلفية التخزين + الذكاء الاصطناعي على جهاز واحد

إليك ما لم أفعله: لم أضحِ بالغرض الأصلي لـ ZimaCube 2. مجموعات التخزين التي تخدم مجموعة Proxmox لا تزال موجودة. لقطات ZFS لا تزال تعمل حسب الجدول. حاويات Docker التي تشغل البنية التحتية لم تتحرك.

ما تغير هو أن ZimaCube 2 الآن يقوم بشيئين في آن واحد:

طبقة التخزين

4× HDD RAID-Z1 (البيانات الكبيرة)
2× NVMe RAID 1 (صور الأجهزة الافتراضية)
1× NVMe SLOG/L2ARC (ذاكرة تخزين مؤقت)
تصدير NFS إلى 3 عقد Proxmox
أتمتة لقطات ZFS

طبقة الذكاء الاصطناعي

llama.cpp مع Mistral 13B
بوابة OpenClaw AI
مساعد مراجعة الشيفرة
تلخيص الوثائق
تكامل معالجة اللغة الطبيعية مع Home Assistant

يتم تقسيم ذاكرة الوصول العشوائي 40 جيجابايت (8 جيجابايت أصلية + 32 جيجابايت ترقية): حوالي 24 جيجابايت لـ ZFS ARC، 8 جيجابايت لـ حاويات Docker وZimaOS، و8 جيجابايت متبقية لنظام التشغيل. ذاكرة الفيديو 16 جيجابايت لوحدة معالجة الرسومات تتعامل مع أوزان النموذج بشكل مستقل — لا تتنافس مع ذاكرة النظام.

حمل وحدة المعالجة المركزية أثناء الاستدلال ضئيل لأن llama.cpp يقوم بإلغاء التحميل إلى وحدة معالجة الرسومات. أداء إدخال/إخراج التخزين غير متأثر لأن مجموعات NVMe تتعامل مع البيانات النشطة، ووحدة معالجة الرسومات لا تتعامل مع وحدة تحكم SATA.

لماذا لا صندوق AI منفصل؟

فكرت في بناء عقدة AI مخصصة. هناك أسباب وجيهة لفصل الاستدلال عن التخزين — العزل، ميزانية طاقة مخصصة، دورات إعادة تشغيل مستقلة. لكن هناك سبب واحد مقنع لعدم القيام بذلك:

لديك بالفعل فتحة PCIe.

Featured

ZimaCube 2 سحابة شخصية منزلية لتخزين الشبكة (NAS)

ZimaCube2

تم تصميم ZimaCube 2 مع وضع التوسعة في الاعتبار. إذا كنت ستشتري جهازًا يتضمن فتحة PCIe x16 مخصصة للترقيات المستقبلية، فإن عدم استخدامها هو القرار الأكثر تكلفة. وجود صندوق AI منفصل يعني مزود طاقة آخر، هيكل آخر، رابط شبكة آخر، وشيء آخر لإدارته.

جهاز واحد. دوران. ZimaCube2 يتولى كلاهما.

أضف وحدة معالجة رسومات إلى ZimaCube 2 وابدأ تشغيل الذكاء الاصطناعي محليًا →

الأسئلة المتكررة

هل توفر فتحة PCIe في ZimaCube 2 طاقة كافية لوحدة معالجة الرسومات؟

نعم — للبطاقات التي تعمل بالطاقة من الفتحة حتى 75 واط. Intel Arc Pro B50 (50 واط TDP) ووحدات معالجة الرسومات منخفضة الطاقة المماثلة تعمل بالكامل من طاقة فتحة PCIe. فتحات PCIe في ZimaCube 2 لا تمرر كابلات طاقة إضافية، لذا يجب اختيار بطاقة لا تتطلبها. B50 و NVIDIA RTX A2000 و Intel Arc A310/A380 كلها خيارات مناسبة.

ما وحدة معالجة الرسومات التي توصي بها لـ ZimaCube 2؟

بالنسبة للاستدلال بالذكاء الاصطناعي تحديدًا، أعطِ الأولوية لذاكرة الفيديو على قوة الحوسبة. Intel Arc Pro B50 (16 جيجابايت) و NVIDIA RTX A2000 (12 جيجابايت) هما أفضل الخيارات التي تعمل بالطاقة من فتحة PCIe المتاحة حاليًا. للترميز الإعلامي فقط، تعد Intel Arc A310 أو A380 أرخص وتوفر ترميز AV1 مدمجًا. تجنب أي وحدة معالجة رسومات تتطلب موصل طاقة 6 أو 8 دبابيس.

هل يمكنني تشغيل ZimaCube 2 مع وحدة معالجة رسومات على مدار الساعة طوال أيام الأسبوع دون مشاكل حرارية؟

نعم. تصميم ZimaCube 2 الحراري يفصل منطقة وحدة المعالجة المركزية/PCIe عن منطقة الأقراص. بطاقة Arc Pro B50 تستهلك 50 واط — ولا تولد حرارة كافية لإرهاق الهيكل. تحت حمل استدلال مستمر، تبقى درجات حرارة وحدة معالجة الرسومات ضمن نطاق التشغيل الطبيعي دون الحاجة إلى تعديلات تبريد إضافية.

هل يمكن لـ ZimaCube 2 تشغيل كل من التخزين المشترك وأعباء عمل الذكاء الاصطناعي في نفس الوقت؟

نعم. البناء الأصلي الموضح هنا يستخدم ZimaCube 2 كخلفية تخزين NFS/ZFS لمجموعة Proxmox وكذلك كخادم استدلال ذكاء اصطناعي محلي مع llama.cpp و OpenClaw. تتعامل ذاكرة الفيديو الخاصة بوحدة معالجة الرسومات مع أوزان النموذج بشكل مستقل عن ذاكرة النظام، وتضمن مجموعات تخزين NVMe ألا يكون إدخال/إخراج الأجهزة الافتراضية مقيدًا بأعباء عمل الاستدلال.

ما هو أكبر نموذج يمكنني تشغيله على وحدة معالجة رسومات بسعة 16 جيجابايت في ZimaCube 2؟

يمكن لوحدة معالجة الرسومات بسعة 16 جيجابايت مثل Intel Arc Pro B50 تشغيل نماذج معلمات مكممة بحجم 13B–14B (Q5_K_M أو Q4_K_M) بسهولة مع نوافذ سياق 4K–8K، أو نماذج بحجم 20B–34B بمستويات تكميم أقل. بالنسبة لمعظم حالات استخدام الذكاء الاصطناعي المستضافة ذاتيًا — مثل مساعدة البرمجة، تلخيص الوثائق، ومعالجة اللغة الطبيعية لأتمتة المنزل — فإن نموذج 13B مضبوط جيدًا مع تكميم جيد هو الخيار الأمثل.