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.

Puse una GPU Intel Arc en el ZimaCube 2 — IA local sin un solo cable extra

Eva Wong

IceWhale author

Eva Wong es la Redactora técnica y manitas residente en ZimaSpace. Una geek de toda la vida con pasión por los homelabs y el software de código abierto, se especializa en traducir conceptos técnicos complejos en guías accesibles y prácticas. Eva cree que el autoalojamiento debe ser divertido, no intimidante. A través de sus tutoriales, empodera a la comunidad para desmitificar las configuraciones de hardware, desde construir su primer NAS hasta dominar los contenedores Docker.

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

No compré el ZimaCube 2 para IA. Lo compré para que fuera el backend de almacenamiento de mi clúster Proxmox.

Pero entonces noté la ranura PCIe x16. Y el hecho de que funciona completamente con la energía de la placa base — sin conectores de 6 pines, sin 8 pines, sin cables adaptadores. Solo energía de la ranura. Eso cambió las cuentas.

Después de instalar una Intel Arc Pro B50, el ZimaCube 2 ahora ejecuta llama.cpp y OpenClaw para inferencia local — junto con su trabajo diario como cerebro de almacenamiento compartido del clúster. Aquí está la historia completa: por qué elegí la B50, cómo fue la instalación, qué aportó ZimaOS Beta y qué significa esto para cualquiera que considere una actualización de GPU en el ZimaCube 2.

Por qué la Intel Arc Pro B50

Elegir una GPU para un NAS compacto no es como elegir una para un escritorio de juegos. Tienes tres restricciones estrictas:

Sólo energía de la ranura. Las ranuras PCIe del ZimaCube 2 no tienen cables de alimentación auxiliares. La GPU debe funcionar completamente con lo que la placa base proporciona — máximo 75W.
Perfil bajo o ranura única. El chasis mide 240 × 221 × 220 mm. Una tarjeta de altura completa y doble ranura no cabría físicamente.
Silenciosa y fresca. Esta tarjeta funciona 24/7 en un espacio habitable. Sin ventiladores de soplado, sin reducción térmica en reposo.

La Intel Arc Pro B50 cumplió con todos los requisitos:

Requisito	Arc Pro B50
Solo energía de la ranura	✅ 50W TDP — funciona completamente con la ranura PCIe (sin cables)
Perfil bajo	✅ Ranura única, soporte de media altura incluido
VRAM para IA	✅ 16GB GDDR6 — suficiente para modelos de 13B–20B parámetros
Codificación AV1	✅ Codificación/decodificación AV1 por hardware
Precio por VRAM	✅ Mejor VRAM por dólar en su clase

💡 16GB de VRAM son importantes para la IA local. Es la diferencia entre ejecutar un modelo cuantizado de 7B y ajustar un modelo completo de 13B–14B con contexto. Si vas a añadir una GPU a un NAS específicamente para inferencia, la capacidad de VRAM importa más que la potencia bruta. La B50 de 16GB a este precio fue la elección correcta.

Tarjeta gráfica Intel Arc B50 16GB PCIe GPU con ventilador único, puertos de salida para múltiples pantallas para inferencia local de IA en NAS

La instalación: Una ranura, sin cables, listo

La instalación física tomó menos de diez minutos.

Abre el panel superior — las ranuras PCIe están justo ahí, sin jaulas de disco que sortear. La B50 se desliza en la ranura x16. El soporte de media altura se alinea con la apertura trasera. Aprieta un tornillo. Cierra el panel. Listo.

Sin cables de alimentación. Sin adaptadores. Sin forzar cables en espacios donde no caben. La implementación PCIe del ZimaCube 2 es realmente limpia — la ranura está posicionada con suficiente espacio sobre las bahías de disco para que incluso una tarjeta de doble ranura no interfiera con el almacenamiento.

Esto no es común en hardware NAS compacto. La mayoría de dispositivos en este formato ni siquiera tienen PCIe. Los que sí, a menudo colocan la ranura en posiciones que limitan lo que realmente puedes instalar. IceWhale acertó con el diseño aquí.

ZimaOS Beta: Soporte nativo para controlador Arc

Planeaba borrar ZimaOS e instalar Ubuntu Server. Entonces IceWhale me contactó con una versión Beta de ZimaOS que incluye soporte nativo para el controlador Intel Arc GPU.

🎁 Esto merece destacarse: IceWhale está enviando activamente versiones Beta a los testers del Programa Pionero en respuesta a los comentarios de la comunidad. La integración del controlador Arc no estaba en la hoja de ruta original — sucedió porque los usuarios lo solicitaron. Ese tipo de capacidad de respuesta es importante cuando construyes sobre una plataforma.

La versión Beta detecta el controlador automáticamente. En el primer arranque tras instalar la B50, ZimaOS reconoció la tarjeta, cargó el controlador Intel i915 con extensiones Arc y lo expuso al entorno de ejecución Docker. Sin compilación de módulos del kernel. Sin ajustes en GRUB. Simplemente funcionó.

Lo que estoy ejecutando: llama.cpp + OpenClaw

Con la GPU reconocida, desplegué dos contenedores:

llama.cpp (inferencias aceleradas por GPU)

Modelo: Mistral 13B Q5_K_M (cabe en ~12GB de VRAM con contexto de 8K)
Backend: Intel SYCL (GPU Arc)
Casos de uso: Revisión de código, resumen de documentación, chatbot local, procesamiento de lenguaje natural para automatización del hogar

OpenClaw (puerta de enlace de IA local)

Punto de acceso API unificado para múltiples modelos locales
Enruta solicitudes entre llama.cpp y modelos más pequeños basados en CPU
Se conecta a Home Assistant para consultas de hogar inteligente controladas por voz

El rendimiento es exactamente lo que esperarías de una tarjeta de ranura única de 50W: no es una GPU de centro de datos, pero lo suficientemente rápida para ser realmente útil. Mistral 13B genera aproximadamente 25–35 tokens por segundo — más rápido que la velocidad de lectura, que es el umbral que hace que la IA local se sienta receptiva en lugar de lenta.

Manteniendo el trabajo diario: backend de almacenamiento + IA en una sola máquina

Esto es lo que no hice: no sacrifiqué el propósito original del ZimaCube 2. Los grupos de almacenamiento que sirven al clúster Proxmox siguen ahí. Los snapshots ZFS siguen ejecutándose según lo programado. Los contenedores Docker que alimentan la infraestructura no se han movido.

Lo que cambió es que el ZimaCube 2 ahora hace dos cosas a la vez:

Capa de almacenamiento

4× HDD RAID-Z1 (datos masivos)
2× NVMe RAID 1 (imágenes de VM)
1× NVMe SLOG/L2ARC (caché)
Exportaciones NFS a 3 nodos Proxmox
Automatización de snapshots ZFS

Capa de IA

llama.cpp con Mistral 13B
Puerta de enlace OpenClaw AI
Asistente de revisión de código
Resumen de documentos
Integración NLP con Home Assistant

Los 40GB de RAM (8GB de serie + 32GB de ampliación) se dividen: aproximadamente 24GB para ZFS ARC, 8GB para contenedores Docker y ZimaOS, y 8GB quedan para la sobrecarga del sistema. Los 16GB de VRAM del GPU manejan los pesos del modelo de forma independiente — no compiten con la memoria del sistema.

La carga de la CPU durante la inferencia es mínima ya que llama.cpp descarga al GPU. El rendimiento de E/S de almacenamiento no se ve afectado porque los grupos NVMe manejan los datos activos, y el GPU no toca el controlador SATA.

¿Por qué no una caja de IA separada?

Consideré construir un nodo de IA dedicado. Hay buenas razones para separar la inferencia del almacenamiento: aislamiento, presupuesto de energía dedicado, ciclos de reinicio independientes. Pero hay una razón convincente para no hacerlo:

Ya tienes una ranura PCIe.

Featured

ZimaCube 2 NAS doméstico de nube personal

ZimaCube2

El ZimaCube 2 fue diseñado pensando en la expansión. Si vas a comprar un dispositivo que incluye una ranura PCIe x16 específicamente para futuras actualizaciones, no usarla es la decisión más costosa. Una caja de IA separada significa otra fuente de alimentación, otro chasis, otro enlace de red, otra cosa que gestionar.

Una máquina. Dos roles. El ZimaCube2 maneja ambos.

Agrega una GPU a tu ZimaCube 2 y comienza a ejecutar IA local →

Preguntas Frecuentes

¿La ranura PCIe del ZimaCube 2 proporciona suficiente energía para una GPU?

Sí — para tarjetas alimentadas solo por ranura de hasta 75W. La Intel Arc Pro B50 (50W TDP) y GPUs similares de bajo consumo funcionan completamente con la energía del slot PCIe. Las ranuras PCIe del ZimaCube 2 no tienen cables de alimentación auxiliares, por lo que debes elegir una tarjeta que no los requiera. La B50, NVIDIA RTX A2000 y las Intel Arc A310/A380 son todas opciones viables.

¿Qué GPU recomendarías para el ZimaCube 2?

Para inferencia de IA específicamente, prioriza la VRAM sobre la capacidad de cómputo. La Intel Arc Pro B50 (16GB) y la NVIDIA RTX A2000 (12GB) son las mejores opciones alimentadas solo por ranura disponibles actualmente. Para solo transcodificación de medios, la Intel Arc A310 o A380 son más económicas y aún ofrecen codificación AV1 por hardware. Evita cualquier GPU que requiera conector de alimentación de 6 u 8 pines.

¿Puedo usar un ZimaCube 2 con una GPU 24/7 sin problemas térmicos?

Sí. El diseño térmico del ZimaCube 2 separa la zona de CPU/PCIe de la zona de discos. La Arc Pro B50 es una tarjeta de 50W — no genera suficiente calor para sobrecargar el chasis. Bajo carga sostenida de inferencia, las temperaturas de la GPU se mantienen dentro del rango normal de operación sin modificaciones adicionales de refrigeración.

¿Puede el ZimaCube 2 ejecutar almacenamiento compartido y cargas de trabajo de IA al mismo tiempo?

Sí. La configuración original descrita aquí usa el ZimaCube 2 tanto como backend de almacenamiento NFS/ZFS para el clúster Proxmox como servidor local de inferencia de IA con llama.cpp y OpenClaw. La VRAM de la GPU maneja los pesos del modelo independientemente de la memoria del sistema, y los pools de almacenamiento NVMe aseguran que la E/S de las máquinas virtuales no se vea limitada por las cargas de trabajo de inferencia.

¿Cuál es el modelo más grande que puedo ejecutar en una GPU de 16GB en el ZimaCube 2?

Una GPU de 16GB como la Intel Arc Pro B50 puede ejecutar cómodamente modelos cuantificados de 13B–14B parámetros (cuantificaciones Q5_K_M o Q4_K_M) con ventanas de contexto de 4K–8K, o modelos de 20B–34B con niveles de cuantificación más bajos. Para la mayoría de los casos de uso de IA autoalojada — asistencia de código, resumen de documentos, NLP para automatización del hogar — un modelo 13B bien ajustado con buena cuantificación es el punto ideal.