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.

ZimaCube 2にIntel Arc GPUを搭載 — 追加ケーブルなしでローカルAIを実現

エヴァ・ウォン

IceWhale author

エヴァ・ウォン は テクニカルライター であり ZimaSpaceの常駐ティンカーでもあります。 生涯のオタクであり、 ホームラボとオープンソースソフトウェアに情熱を持っています。彼女は複雑な技術的概念をわかりやすく、 実践的なガイドに翻訳することを専門としています。エヴァはセルフホスティングは楽しくあるべきで、怖がるものではないと信じています。彼女のチュートリアルを通じて、コミュニティが ハードウェアのセットアップを解明する手助けをしています。初めてのNAS構築からDockerコンテナの習得まで。

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

私はAIのためにZimaCube 2を買ったのではありません。Proxmoxクラスタのストレージバックエンドにするために買いました。

しかしPCIe x16スロットを見つけました。そしてそれがマザーボード電源だけで動作することに気づきました—6ピンも8ピンもアダプターケーブルも不要。スロット電力だけです。それが計算を変えました。

Intel Arc Pro B50を1枚導入したことで、ZimaCube 2はローカル推論用にllama.cppとOpenClawを動かしつつ、クラスタ共有ストレージの役割も果たしています。ここにその全経緯があります：なぜB50を選んだのか、取り付けはどうだったか、ZimaOS Betaがもたらしたもの、そしてZimaCube 2でGPUアップグレードを検討している人にとって何を意味するのか。

なぜIntel Arc Pro B50なのか

コンパクトNAS用GPUの選び方はゲーミングデスクトップ用とは異なり、3つの厳しい制約があります：

スロット電力のみ。ZimaCube 2のPCIeスロットは補助電源ケーブルを通しません。GPUはマザーボードが供給する最大75Wの電力だけで動作しなければなりません。
ロープロファイルまたはシングルスロット。筐体サイズは240 × 221 × 220 mm。フルハイトのデュアルスロットカードは物理的に入りません。
静かで冷却性能が高い。このカードはリビングスペースで24時間稼働します。ブロワーファンなし、アイドル時のサーマルスロットリングなし。

Intel Arc Pro B50はすべての条件を満たしました：

要件	Arc Pro B50
スロット電力のみ	✅ 50W TDP — PCIeスロットのみで動作（ケーブル不要）
ロープロファイル	✅ シングルスロット、ハーフハイトブラケット付属
AI用VRAM	✅ 16GB GDDR6 — 13B〜20Bパラメータモデルに十分
AV1エンコード	✅ ハードウェアAV1エンコード/デコード対応
価格対VRAM	✅ クラス最高のVRAMあたりのコストパフォーマンス

💡 ローカルAIには16GBのVRAMが重要です。これは量子化された7Bモデルを動かすのと、コンテキスト付きのフル13B〜14Bモデルを収めるのとの違いです。推論専用にNASにGPUを追加するなら、VRAM容量は生の計算能力よりも重要です。この価格帯でのB50 16GBが最適な選択でした。

Intel Arc B50 16GB PCIe GPUグラフィックスカード、シングルブロワークーラー搭載、NASでのローカルAI推論用のマルチディスプレイ出力ポート付き

取り付け：スロット1つ、ケーブルなし、完了

物理的な取り付けは10分未満で完了しました。

トップパネルを開けるとPCIeスロットがすぐそこにあり、ドライブケージを避ける必要もありません。B50はx16スロットにスライドで挿入可能。ハーフハイトブラケットは背面の開口部にぴったり合います。ネジを1本締めてパネルを閉じれば完了です。

電源ケーブル不要。アダプタドングル不要。ケーブルを無理に押し込む必要もなし。ZimaCube 2のPCIe実装は本当にクリーンで、スロットはドライブベイの上に十分なクリアランスを持って配置されており、デュアルスロットカードでもストレージに干渉しません。

これはコンパクトNASハードウェアでは当たり前ではありません。このフォームファクターの多くはPCIeすら搭載していません。搭載していても、実際に取り付け可能なカードが制限される位置にスロットがあることが多いです。IceWhaleはここでレイアウトを正しく設計しました。

ZimaOSベータ：ネイティブArcドライバーサポート

ZimaOSを消去してUbuntu Serverをインストールする予定でしたが、IceWhaleからIntel Arc GPUドライバーのネイティブサポートを含むZimaOSベータビルドの連絡がありました。

🎁 ここは強調すべき点です：IceWhaleはコミュニティのフィードバックに応じて、パイオニアプログラムのテスターにベータビルドを積極的に提供しています。Arcドライバー統合は元々のロードマップにはありませんでしたが、ユーザーの要望で実現しました。プラットフォーム構築において、このような対応力は非常に重要です。

ベータビルドはドライバー検出を自動で処理します。B50をインストール後の初回起動時にZimaOSがカードを認識し、Intel i915ドライバー（Arc拡張付き）を読み込み、Dockerランタイムに公開しました。カーネルモジュールのコンパイルもGRUBの調整も不要で、すぐに動作しました。

実行中のもの：llama.cpp + OpenClaw

GPUが認識されたので、2つのコンテナを展開しました：

llama.cpp（GPUアクセラレーション推論）

モデル：Mistral 13B Q5_K_M（約12GBのVRAMに収まり、8Kコンテキスト対応）
バックエンド：Intel SYCL（Arc GPU）
ユースケース：コードレビュー、ドキュメント要約、ローカルチャットボット、ホームオートメーションの自然言語処理

暗い背景にLLaMA C++オープンソース大規模言語モデル推論フレームワークのロゴバナー

OpenClaw（ローカルAIゲートウェイ）

複数のローカルモデルに対応した統合APIエンドポイント
llama.cppと小型のCPUベースモデル間でリクエストをルーティング
Home Assistantに接続し、音声制御のスマートホームクエリに対応

性能は50Wのシングルスロットカードとして期待通りです：データセンターGPUではありませんが、実用的に十分高速です。Mistral 13Bは約25〜35トークン/秒で生成し、これは読み取り速度より速く、ローカルAIが反応良く感じられる閾値です。

OpenClawオープンソースのセルフホスト型クローラーツール、赤い虫のマスコットロゴ、サンゴ色の背景

本業を維持：ストレージバックエンド＋AIを一台で

私がしなかったことは、ZimaCube 2の元々の目的を犠牲にしなかったことです。Proxmoxクラスターにサービスを提供するストレージプールはそのままです。ZFSスナップショットは予定通りに実行されています。インフラを支えるDockerコンテナも移動していません。

変わったのは、ZimaCube 2が今や二つのことを同時に行うようになったことです：

ストレージレイヤー

4× HDD RAID-Z1（大量データ）
2× NVMe RAID 1（VMイメージ）
1× NVMe SLOG/L2ARC（キャッシュ）
3台のProxmoxノードへのNFSエクスポート
ZFSスナップショットの自動化

AIレイヤー

Mistral 13B搭載のllama.cpp
OpenClaw AIゲートウェイ
コードレビューアシスタント
ドキュメント要約
Home AssistantのNLP統合

40GBのRAM（標準8GB＋32GB増設）はおおよそ24GBがZFS ARC用、8GBがDockerコンテナとZimaOS用、残り8GBがシステムオーバーヘッド用に分割されます。GPUの16GB VRAMはモデルの重みを独立して処理し、システムメモリと競合しません。

llama.cppがGPUに処理をオフロードするため、推論中のCPU負荷は最小限です。NVMeプールがアクティブデータを処理しているため、ストレージのI/O性能にも影響はなく、GPUはSATAコントローラーに触れていません。

なぜ別のAIボックスではないのか？

専用のAIノードを構築することも考えました。推論をストレージから分離するには良い理由があります—隔離、専用の電力予算、独立した再起動サイクル。しかし、それをしない強力な理由が一つあります：

すでにPCIeスロットがあります。

Featured

ZimaCube 2 パーソナルクラウドホームNAS

ZimaCube2

ZimaCube 2は拡張性を考慮して設計されました。将来のアップグレードのためにPCIe x16スロットが含まれているデバイスを購入するなら、それを使わない方がより高くつく決断です。別のAIボックスを用意すると、別の電源、別の筐体、別のネットワークリンク、そして管理すべきものが増えます。

1台のマシン。2つの役割。ZimaCube 2が両方をこなします。

ZimaCube 2にGPUを追加してローカルAIを始めましょう →

よくある質問

ZimaCube 2のPCIeスロットはGPUに十分な電力を供給しますか？

はい — 最大75Wのスロット電源カードに対応しています。Intel Arc Pro B50（50W TDP）や同様の低消費電力GPUはPCIeスロット電源のみで動作します。ZimaCube 2のPCIeスロットは補助電源ケーブルを配線していないため、補助電源を必要としないカードを選ぶ必要があります。B50、NVIDIA RTX A2000、Intel Arc A310/A380はいずれも適切な選択肢です。

ZimaCube 2におすすめのGPUは何ですか？

AI推論に特化する場合は、計算能力よりもVRAMを優先してください。Intel Arc Pro B50（16GB）とNVIDIA RTX A2000（12GB）は、現在入手可能なスロット電源駆動の最良の選択肢です。メディアトランスコーディングのみの場合は、Intel Arc A310またはA380がより安価で、ハードウェアAV1エンコードも提供します。6ピンまたは8ピンの電源コネクタが必要なGPUは避けてください。

ZimaCube 2をGPUと一緒に24時間365日稼働させても熱問題はありませんか？

はい。ZimaCube 2の熱設計はCPU/PCIeゾーンとドライブゾーンを分離しています。Arc Pro B50は50Wのカードで、シャーシを過熱させるほどの熱は発生しません。持続的な推論負荷下でも、GPUの温度は追加の冷却改造なしで正常な動作範囲内に保たれます。

ZimaCube 2は共有ストレージとAIワークロードを同時に実行できますか？

はい。ここで説明されている元の構成では、ZimaCube 2をProxmoxクラスターのNFS/ZFSストレージバックエンドと、llama.cppおよびOpenClawを使ったローカルAI推論サーバーの両方として使用しています。GPUのVRAMはシステムメモリとは独立してモデルの重みを処理し、NVMeストレージプールは推論ワークロードによるVMのI/Oボトルネックを防ぎます。

ZimaCube 2の16GB GPUで実行できる最大のモデルは何ですか？

Intel Arc Pro B50のような16GBのGPUは、4K〜8Kのコンテキストウィンドウで量子化された13B〜14Bパラメータモデル（Q5_K_MまたはQ4_K_M量子化）を快適に実行でき、または低い量子化レベルで20B〜34Bモデルを実行できます。ほとんどのセルフホスト型AIユースケース（コード支援、ドキュメント要約、ホームオートメーションNLP）では、適切に調整された13Bモデルと良好な量子化が最適です。