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.

Ik heb een Intel Arc GPU in de ZimaCube 2 geplaatst — Lokale AI zonder een enkele extra kabel

Eva Wong

IceWhale author

Eva Wong is de Technisch Schrijver en en vaste knutselaar bij ZimaSpace. Een levenslange geek met een passie voor homelabs en open-source software, zij is gespecialiseerd in het vertalen van complexe technische concepten naar toegankelijke, praktische handleidingen. Eva gelooft dat zelf-hosting leuk moet zijn, niet intimiderend. Met haar tutorials stelt ze de community in staat om hardware-setup te ontrafelen, van het bouwen van hun eerste NAS tot het beheersen van Docker-containers.

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

Ik kocht de ZimaCube 2 niet voor AI. Ik kocht hem als opslagbackend voor mijn Proxmox-cluster.

Maar toen zag ik de PCIe x16 slot. En het feit dat het volledig draait op moederbordvermogen — geen 6-pins, geen 8-pins, geen adapterkabels. Alleen slotvermogen. Dat veranderde de rekensom.

Een Intel Arc Pro B50 later draait de ZimaCube 2 nu llama.cpp en OpenClaw voor lokale inferentie — naast zijn dagelijkse taak als gedeelde opslag voor het cluster. Hier is het volledige verhaal: waarom ik de B50 koos, hoe de installatie verliep, wat ZimaOS Beta bracht, en wat dit betekent voor iedereen die een GPU-upgrade overweegt op de ZimaCube 2.

Waarom de Intel Arc Pro B50

Een GPU kiezen voor een compacte NAS is niet hetzelfde als voor een gaming desktop. Je hebt drie harde beperkingen:

Alleen slotvermogen. De ZimaCube 2 PCIe-slots leiden geen extra stroomkabels. De GPU moet volledig draaien op wat het moederbord levert — maximaal 75W.
Low-profile of enkel slot. De behuizing is 240 × 221 × 220 mm. Een full-height, dual-slot kaart past fysiek niet.
Stil en koel. Dit ding draait 24/7 in een woonruimte. Geen blower fans, geen thermische throttling in idle.

De Intel Arc Pro B50 voldeed aan alle eisen:

Vereiste	Arc Pro B50
Alleen slotvermogen	✅ 50W TDP — draait volledig op PCIe-slot (geen kabels)
Low-profile	✅ Enkel slot, halfhoogte beugel inbegrepen
VRAM voor AI	✅ 16GB GDDR6 — genoeg voor 13B–20B parameter modellen
AV1 codering	✅ Hardware AV1 codering/decodering
Prijs-kwaliteit VRAM	✅ Beste VRAM-per-euro in zijn klasse

💡 16GB VRAM is belangrijk voor lokale AI. Het is het verschil tussen het draaien van een gekwantiseerd 7B-model en het passen van een volledig 13B–14B-model met context. Als je een GPU aan een NAS toevoegt specifiek voor inferentie, is VRAM-capaciteit belangrijker dan ruwe rekenkracht. De B50 16GB in deze prijsklasse maakte het de juiste keuze.

Intel Arc B50 16GB PCIe GPU grafische kaart met enkele blower-koeler, multi-display uitgangen voor lokale AI-inferentie op NAS

De installatie: één slot, geen kabels, klaar

De fysieke installatie duurde minder dan tien minuten.

Open het bovenpaneel — de PCIe-slots zijn direct zichtbaar, geen drive cages om omheen te werken. De B50 schuift in de x16-slot. De half-height beugel sluit aan op de achteropening. Draai één schroef aan. Sluit het paneel. Klaar.

Geen stroomkabels. Geen adapterdongles. Geen kabels proppen in ruimtes waar ze niet passen. De PCIe-implementatie van de ZimaCube 2 is echt netjes — de slot is zo geplaatst dat er genoeg ruimte is boven de drive bays, zelfs een dual-slot kaart zou de opslag niet hinderen.

Dit is niet vanzelfsprekend bij compacte NAS-hardware. De meeste apparaten in dit formaat hebben niet eens PCIe. De apparaten die dat wel hebben, plaatsen de slot vaak op plekken die beperken wat je daadwerkelijk kunt installeren. IceWhale heeft hier de lay-out goed gedaan.

ZimaOS Beta: Native Arc-driverondersteuning

Ik was van plan ZimaOS te wissen en Ubuntu Server te installeren. Toen nam IceWhale contact op met een ZimaOS Beta-build die native ondersteuning voor Intel Arc GPU-drivers bevat.

🎁 Dit is het benadrukken waard: IceWhale levert actief Beta-builds aan testers van het Pioneer Program als reactie op feedback uit de community. De integratie van de Arc-driver stond niet op de oorspronkelijke roadmap — het gebeurde omdat gebruikers erom vroegen. Die mate van responsiviteit is belangrijk als je op een platform bouwt.

De Beta-build detecteert de driver automatisch. Bij de eerste opstart na installatie van de B50 herkende ZimaOS de kaart, laadde de Intel i915-driver met Arc-extensies en maakte deze beschikbaar voor de Docker-runtime. Geen kernelmodule compilatie. Geen GRUB-aanpassingen. Het werkte gewoon.

Wat ik draai: llama.cpp + OpenClaw

Met de GPU herkend, heb ik twee containers ingezet:

llama.cpp (GPU-versnelde inferentie)

Model: Mistral 13B Q5_K_M (past in ~12GB VRAM met 8K context)
Backend: Intel SYCL (Arc GPU)
Toepassingen: Code review, samenvatten van documentatie, lokale chatbot, natuurlijke taalverwerking voor huisautomatisering

OpenClaw (lokale AI-gateway)

Geünificeerd API-eindpunt voor meerdere lokale modellen
Routeert verzoeken tussen llama.cpp en kleinere CPU-gebaseerde modellen
Verbindt met Home Assistant voor spraakgestuurde smart home-queries

De prestaties zijn precies wat je zou verwachten van een 50W single-slot kaart: geen datacenter-GPU, maar snel genoeg om echt nuttig te zijn. Mistral 13B genereert ongeveer 25–35 tokens per seconde — sneller dan leestempo, wat de drempel is waardoor lokale AI responsief aanvoelt in plaats van traag.

De dagtaak behouden: opslagbackend + AI op één machine

Dit is wat ik niet heb gedaan: ik heb het oorspronkelijke doel van de ZimaCube 2 niet opgeofferd. De opslagpools die de Proxmox-cluster bedienen zijn er nog steeds. De ZFS-snapshots draaien nog steeds volgens schema. De Docker-containers die de infrastructuur aandrijven zijn niet verplaatst.

Wat veranderd is, is dat de ZimaCube 2 nu twee dingen tegelijk doet:

Opslaglaag

4× HDD RAID-Z1 (bulkdata)
2× NVMe RAID 1 (VM-afbeeldingen)
1× NVMe SLOG/L2ARC (cache)
NFS-export naar 3 Proxmox-nodes
ZFS snapshot-automatisering

AI-laag

llama.cpp met Mistral 13B
OpenClaw AI-gateway
Code review-assistent
Document-samenvatting
Home Assistant NLP-integratie

Het 40GB RAM (8GB standaard + 32GB upgrade) wordt verdeeld: ongeveer 24GB voor ZFS ARC, 8GB voor Docker-containers en ZimaOS, en 8GB blijft over voor systeemoverhead. De 16GB VRAM van de GPU beheert modelgewichten onafhankelijk — het concurreert niet met het systeemgeheugen.

De CPU-belasting tijdens inferentie is minimaal omdat llama.cpp de taken naar de GPU uitbesteedt. De opslag-I/O-prestaties worden niet beïnvloed omdat de NVMe-pools de actieve data afhandelen, en de GPU raakt de SATA-controller niet aan.

Waarom geen aparte AI-box?

Ik overwoog een aparte AI-node te bouwen. Er zijn goede redenen om inferentie te scheiden van opslag — isolatie, een toegewijde stroomvoorziening, onafhankelijke herstartcycli. Maar er is één overtuigende reden om het niet te doen:

Je hebt al een PCIe-slot.

Featured

ZimaCube 2 Persoonlijke Cloud Thuis NAS

ZimaCube2

De ZimaCube 2 is ontworpen met uitbreidingsmogelijkheden in gedachten. Als je een apparaat koopt met een PCIe x16-slot speciaal voor toekomstige upgrades, is het niet gebruiken daarvan de duurdere keuze. Een aparte AI-box betekent een extra voeding, een extra behuizing, een extra netwerkverbinding, en nog iets om te beheren.

Eén machine. Twee rollen. De ZimaCube2 regelt ze allebei.

Voeg een GPU toe aan je ZimaCube 2 en begin met lokale AI →

Veelgestelde Vragen

Biedt de PCIe slot van de ZimaCube 2 voldoende stroom voor een GPU?

Ja — voor slot-gevoede kaarten tot 75W. De Intel Arc Pro B50 (50W TDP) en vergelijkbare energiezuinige GPU’s draaien volledig op PCIe slot-voeding. De PCIe slots van de ZimaCube 2 leiden geen extra stroomkabels, dus je moet een kaart kiezen die deze niet nodig heeft. De B50, NVIDIA RTX A2000 en Intel Arc A310/A380 zijn allemaal geschikte opties.

Welke GPU zou je aanbevelen voor de ZimaCube 2?

Voor AI-inferentie specifiek, geef prioriteit aan VRAM boven rekenkracht. De Intel Arc Pro B50 (16GB) en NVIDIA RTX A2000 (12GB) zijn momenteel de beste slot-gevoede opties. Voor alleen mediatranscodering zijn de Intel Arc A310 of A380 goedkoper en bieden nog steeds hardware AV1-encoding. Vermijd elke GPU die een 6-pins of 8-pins stroomconnector vereist.

Kan ik een ZimaCube 2 met een GPU 24/7 laten draaien zonder thermische problemen?

Ja. Het thermisch ontwerp van de ZimaCube 2 scheidt de CPU/PCIe-zone van de schijfzone. De Arc Pro B50 is een 50W kaart — deze genereert niet genoeg warmte om de behuizing te overbelasten. Bij aanhoudende inferentielast blijven de GPU-temperaturen binnen het normale werkbereik zonder extra koelingsaanpassingen.

Kan de ZimaCube 2 zowel gedeelde opslag als AI-taken tegelijk uitvoeren?

Ja. De originele opstelling die hier beschreven wordt gebruikt de ZimaCube 2 zowel als Proxmox cluster NFS/ZFS opslagbackend als een lokale AI-inferentieserver met llama.cpp en OpenClaw. Het GPU VRAM beheert modelgewichten onafhankelijk van het systeemgeheugen, en de NVMe opslagpools zorgen ervoor dat VM I/O niet wordt beperkt door inferentiewerkzaamheden.

Wat is het grootste model dat ik kan draaien op een 16GB GPU in de ZimaCube 2?

Een 16GB GPU zoals de Intel Arc Pro B50 kan moeiteloos gequantiseerde 13B–14B parameter modellen (Q5_K_M of Q4_K_M quants) draaien met 4K–8K contextvensters, of 20B–34B modellen op lagere quantisatieniveaus. Voor de meeste zelf-gehoste AI-toepassingen — codehulp, document-samenvatting, thuisautomatisering NLP — is een goed afgestemd 13B model met goede quantisatie de ideale keuze.