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.

Włożyłem kartę graficzną Intel Arc do ZimaCube 2 — lokalna sztuczna inteligencja bez ani jednego dodatkowego kabla

Eva Wong

IceWhale author

Eva Wong jest Technicznym pisarzem i stałym majsterkowiczem w ZimaSpace. Całe życie geek z pasją do homelabów i oprogramowania open-source, specjalizuje się w tłumaczeniu skomplikowanych koncepcji technicznych na przystępne, praktyczne przewodniki. Eva wierzy, że samodzielne hostowanie powinno być zabawą, a nie czymś onieśmielającym. Poprzez swoje samouczki umożliwia społeczności rozwiewanie tajemnic konfiguracji sprzętu, od budowy pierwszego NAS po opanowanie kontenerów Docker.

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

Nie kupiłem ZimaCube 2 dla AI. Kupiłem go, aby był zapleczem pamięci dla mojego klastra Proxmox.

Ale wtedy zauważyłem gniazdo PCIe x16. I fakt, że działa całkowicie zasilane z płyty głównej — bez 6-pinowego, bez 8-pinowego, bez kabli adapterów. Tylko zasilanie ze slotu. To zmieniło rachunki.

Po zainstalowaniu Intel Arc Pro B50, ZimaCube 2 działa teraz z llama.cpp i OpenClaw do lokalnego wnioskowania — obok swojej codziennej pracy jako wspólna pamięć klastra. Oto pełna historia: dlaczego wybrałem B50, jak przebiegła instalacja, co przyniósł ZimaOS Beta i co to oznacza dla każdego, kto rozważa aktualizację GPU w ZimaCube 2.

Dlaczego Intel Arc Pro B50

Wybór GPU do kompaktowego NAS różni się od wyboru do komputera do gier. Masz trzy twarde ograniczenia:

Zasilanie tylko ze slotu. Gniazda PCIe w ZimaCube 2 nie mają dodatkowych kabli zasilających. GPU musi działać całkowicie z zasilania płyty głównej — maksymalnie 75W.
Niskoprofilowy lub jednokartowy. Obudowa ma wymiary 240 × 221 × 220 mm. Karta pełnowymiarowa, dwuslotowa fizycznie się nie zmieści.
Cichy i chłodny. Urządzenie działa 24/7 w przestrzeni mieszkalnej. Brak wentylatorów dmuchających, brak termicznego ograniczania przy bezczynności.

Intel Arc Pro B50 spełnił wszystkie wymagania:

Wymagania	Arc Pro B50
Zasilanie tylko ze slotu	✅ 50W TDP — działa całkowicie zasilany z gniazda PCIe (bez kabli)
Niskoprofilowy	✅ Jeden slot, dołączony niskoprofilowy uchwyt
VRAM dla AI	✅ 16GB GDDR6 — wystarczająco dla modeli o parametrach 13B–20B
Kodowanie AV1	✅ Sprzętowe kodowanie/dekodowanie AV1
Stosunek ceny do VRAM	✅ Najlepszy stosunek VRAM do ceny w swojej klasie

💡 16GB VRAM ma znaczenie dla lokalnego AI. To różnica między uruchomieniem kwantyzowanego modelu 7B a zmieszczeniem pełnego modelu 13B–14B z kontekstem. Jeśli zamierzasz dodać GPU do NAS specjalnie do wnioskowania, pojemność VRAM jest ważniejsza niż surowa moc obliczeniowa. B50 16GB w tej cenie to był właściwy wybór.

Karta graficzna Intel Arc B50 16GB PCIe GPU z pojedynczym chłodzeniem wentylatorowym, porty wyjściowe do wielu wyświetlaczy do lokalnego wnioskowania AI na NAS

Instalacja: Jeden slot, brak kabli, gotowe

Fizyczna instalacja zajęła mniej niż dziesięć minut.

Otwórz górną pokrywę — sloty PCIe są tuż obok, bez klatek na dyski do omijania. B50 wsuwasz w slot x16. Półwysoki uchwyt pasuje do tylnego otworu. Przykręć jedną śrubę. Zamknij panel. Gotowe.

Brak kabli zasilających. Brak adapterów. Brak wciskania kabli w miejsca, gdzie się nie mieszczą. Implementacja PCIe w ZimaCube 2 jest naprawdę czysta — slot jest umieszczony z wystarczającym odstępem nad zatokami dysków, że nawet karta dwuslotowa nie koliduje z pamięcią masową.

To nie jest oczywiste w kompaktowym sprzęcie NAS. Większość urządzeń w tym formacie nie ma nawet PCIe. Te, które mają, często umieszczają sloty w miejscach ograniczających instalację. IceWhale dobrze zaprojektował układ.

ZimaOS Beta: natywne wsparcie sterownika Arc

Planowałem wyczyścić ZimaOS i zainstalować Ubuntu Server. Wtedy IceWhale skontaktował się z wersją Beta ZimaOS, która zawiera natywne wsparcie sterownika Intel Arc GPU.

🎁 Warto to podkreślić: IceWhale aktywnie wysyła wersje Beta do testerów programu Pioneer w odpowiedzi na opinie społeczności. Integracja sterownika Arc nie była na pierwotnej mapie drogowej — stała się faktem, bo użytkownicy o to poprosili. Taka responsywność ma znaczenie, gdy budujesz na platformie.

Wersja Beta automatycznie wykrywa sterowniki. Przy pierwszym uruchomieniu po instalacji B50, ZimaOS rozpoznał kartę, załadował sterownik Intel i915 z rozszerzeniami Arc i udostępnił go środowisku Docker. Bez kompilacji modułu jądra. Bez modyfikacji GRUB. Po prostu działało.

Co uruchamiam: llama.cpp + OpenClaw

Po wykryciu GPU uruchomiłem dwa kontenery:

llama.cpp (inferencja przyspieszona przez GPU)

Model: Mistral 13B Q5_K_M (mieści się w ~12GB VRAM z kontekstem 8K)
Backend: Intel SYCL (GPU Arc)
Przypadki użycia: przegląd kodu, podsumowanie dokumentacji, lokalny chatbot, przetwarzanie języka naturalnego w automatyce domowej

OpenClaw (lokalna brama AI)

Zunifikowany punkt końcowy API dla wielu lokalnych modeli
Kieruje żądania między llama.cpp a mniejszymi modelami opartymi na CPU
Łączy się z Home Assistant do sterowania głosowego zapytań inteligentnego domu

Wydajność jest dokładnie taka, jakiej można oczekiwać od karty jednoslotowej o mocy 50 W: nie jest to GPU do centrum danych, ale wystarczająco szybka, by być naprawdę użyteczną. Mistral 13B generuje około 25–35 tokenów na sekundę — szybciej niż prędkość czytania, co jest progiem, który sprawia, że lokalne AI jest responsywne, a nie uciążliwe.

Utrzymanie codziennej pracy: zaplecze pamięci + AI na jednej maszynie

Oto czego nie zrobiłem: nie poświęciłem pierwotnego celu ZimaCube 2. Pule pamięci masowej obsługujące klaster Proxmox nadal działają. Migawki ZFS nadal są wykonywane zgodnie z harmonogramem. Kontenery Docker zasilające infrastrukturę nie zostały przeniesione.

Zmieniło się to, że ZimaCube 2 teraz robi dwie rzeczy naraz:

Warstwa przechowywania

4× HDD RAID-Z1 (dane masowe)
2× NVMe RAID 1 (obrazy VM)
1× NVMe SLOG/L2ARC (pamięć podręczna)
Eksporty NFS do 3 węzłów Proxmox
Automatyzacja migawkowa ZFS

Warstwa AI

llama.cpp z Mistral 13B
Bramka AI OpenClaw
Asystent przeglądu kodu
Streszczanie dokumentów
Integracja NLP z Home Assistant

40 GB RAM (8 GB standard + 32 GB rozszerzenia) jest podzielone: około 24 GB dla ZFS ARC, 8 GB dla kontenerów Docker i ZimaOS oraz 8 GB pozostawione na narzut systemowy. 16 GB VRAM GPU obsługuje wagi modeli niezależnie — nie konkuruje z pamięcią systemową.

Obciążenie CPU podczas inferencji jest minimalne, ponieważ llama.cpp przenosi obliczenia na GPU. Wydajność I/O pamięci masowej nie jest naruszona, ponieważ pule NVMe obsługują aktywne dane, a GPU nie korzysta z kontrolera SATA.

Dlaczego nie oddzielna skrzynka AI?

Rozważałem zbudowanie dedykowanego węzła AI. Istnieją dobre powody, by oddzielić inferencję od przechowywania — izolacja, dedykowany budżet energetyczny, niezależne cykle restartu. Ale jest jeden przekonujący powód, by tego nie robić:

Masz już gniazdo PCIe.

Featured

ZimaCube 2 Osobista Chmura Domowy NAS

ZimaCube2

ZimaCube 2 został zaprojektowany z myślą o rozbudowie. Jeśli zamierzasz kupić urządzenie z gniazdem PCIe x16 przeznaczonym specjalnie na przyszłe ulepszenia, niekorzystanie z niego jest droższą decyzją. Oddzielna skrzynka AI oznacza kolejny zasilacz, kolejną obudowę, kolejne połączenie sieciowe, kolejną rzecz do zarządzania.

Jedna maszyna. Dwie role. ZimaCube2 radzi sobie z obiema.

Dodaj kartę GPU do swojego ZimaCube 2 i zacznij lokalnie uruchamiać AI →

Najczęściej zadawane pytania

Czy gniazdo PCIe w ZimaCube 2 zapewnia wystarczającą moc dla karty GPU?

Tak — dla kart zasilanych wyłącznie z gniazda do 75W. Intel Arc Pro B50 (TDP 50W) i podobne niskomocowe GPU działają całkowicie zasilane z gniazda PCIe. Gniazda PCIe w ZimaCube 2 nie mają dodatkowych kabli zasilających, więc trzeba wybrać kartę, która ich nie wymaga. B50, NVIDIA RTX A2000 oraz Intel Arc A310/A380 to wszystkie dobre opcje.

Jaką kartę GPU polecacie do ZimaCube 2?

W przypadku inferencji AI priorytetem jest pamięć VRAM, a nie moc obliczeniowa. Intel Arc Pro B50 (16GB) i NVIDIA RTX A2000 (12GB) to obecnie najlepsze karty zasilane wyłącznie z gniazda PCIe. Do samego transkodowania mediów tańsze są Intel Arc A310 lub A380, które nadal oferują sprzętowe kodowanie AV1. Unikaj kart wymagających zasilania przez złącze 6-pin lub 8-pin.

Czy mogę używać ZimaCube 2 z kartą GPU 24/7 bez problemów termicznych?

Tak. Projekt termiczny ZimaCube 2 oddziela strefę CPU/PCIe od strefy dysków. Arc Pro B50 to karta o mocy 50W — nie generuje na tyle ciepła, by przegrzać obudowę. Przy ciągłym obciążeniu inferencją temperatury GPU pozostają w normalnym zakresie bez dodatkowych modyfikacji chłodzenia.

Czy ZimaCube 2 może jednocześnie obsługiwać współdzieloną pamięć masową i zadania AI?

Tak. Oryginalna konfiguracja opisana tutaj wykorzystuje ZimaCube 2 zarówno jako zaplecze pamięci masowej klastra Proxmox NFS/ZFS, jak i lokalny serwer inferencji AI z llama.cpp i OpenClaw. Pamięć VRAM GPU obsługuje wagi modelu niezależnie od pamięci systemowej, a pule pamięci NVMe zapewniają, że operacje I/O maszyn wirtualnych nie są wąskim gardłem przy obciążeniu inferencją.

Jaki jest największy model, jaki mogę uruchomić na karcie 16GB w ZimaCube 2?

Karta graficzna 16GB, taka jak Intel Arc Pro B50, bez problemu obsłuży skwantowane modele o parametrach 13B–14B (kwanty Q5_K_M lub Q4_K_M) z oknami kontekstowymi 4K–8K lub modele 20B–34B przy niższych poziomach kwantyzacji. Dla większości zastosowań AI na własnym serwerze — wsparcie kodu, streszczanie dokumentów, NLP w automatyce domowej — dobrze dostrojony model 13B z dobrą kwantyzacją to optymalny wybór.