QNAP QAI-h1290FX: Lokale KI-Infrastruktur für sensible Unternehmensdaten
Laut TweakPC hat QNAP mit dem QAI-h1290FX einen Edge-KI-Speicherserver vorgestellt, der Unternehmen eine vollständig lokale KI-Infrastruktur ermöglicht.
QNAP QAI-h1290FX: Edge-KI-Speicherserver für private LLM-Workloads
Das System kombiniert All-Flash-NVMe-Speicher mit einer Server-CPU und optionaler RTX-GPU-Beschleunigung — ab sofort für den deutschen Markt zu einem Listenpreis von 18.999 Euro erhältlich. Damit positioniert sich QNAP klar im Enterprise-Segment und adressiert die wachsende Nachfrage nach On-Premises-KI, bei der sensible Daten die Cloud-Umgebung nicht verlassen.
Hardware-Plattform
Das Gehäuse beherbergt zwölf U.2-NVMe-Steckplätze, einen 16-Kern-AMD-EPYC-Prozessor und eine GPU-Ready-Architektur mit Unterstützung für bis zu 96 GB Grafikspeicher. Zwei 25GbE-Ports sowie zusätzliche 2.5-GbE-Anschlüsse stehen für den Netzwerkzugriff bereit; über PCIe-Steckplätze ist ein Upgrade auf 100GbE vorgesehen. Die Spezifikationen im Überblick:
| Parameter | Spezifikation |
|---|---|
| CPU | 16-Kern AMD EPYC |
| Speicher | 12× U.2 NVMe (All-Flash) |
| GPU-Unterstützung | Bis 96 GB Grafikspeicher (RTX) |
| Netzwerk | 2× 25 GbE, 2.5 GbE, PCIe (100 GbE-upgradebar) |
| Betriebssystem | QuTS-hero (ZFS-basiert) |
| Preis (DE) | 18.999 EUR |
Das ZFS-basierte QuTS-hero-Betriebssystem liefert Snapshots, Deduplizierung und direkten GPU-Zugriff in Containern. Über Container-Station und Virtualization-Station lassen sich KI-Modelle, Bildgeneratoren oder Automatisierungs-Tools betreiben. QNAP liefert zudem vorinstallierte Anwendungen wie AnythingLLM, OpenWebUI und Ollama, die den Einstieg in LLM-Inferenz, RAG-Suchen und generative KI-Workflows erleichtern. Ergänzend stehen Stable Diffusion, ComfyUI und n8n bereit.
Ökosystem-Kontext: Nvidias cuFile wird Open Source
Parallel dazu hat Nvidia laut Network World seine cuFile-APIs und den zugehörigen Software-Stack als Open Source freigegeben. cuFile ermöglicht GPUs den direkten Zugriff auf Speicher — ohne Umweg über die CPU — und reduziert damit Latenzzeiten erheblich. Die APIs werden unter dem Accelerated-IO-Special-Interest-Group-Konsortium (xio-sig) weiterentwickelt, mit Google, Intel und Meta als Erstunterzeichner. Nvidias SCADA-Framework (Scaled, Accelerated Data Access) lässt massiv parallele GPUs nur die tatsächlich benötigten Datenblöcke aus dem Storage in den schnellen Grafikspeicher ziehen.
Für QNAP-Systeme wie den QAI-h1290FX ist das relevant: Sobald Hersteller cuFile-kompatible Treiber integrieren, verkürzt sich der Datenpfad zwischen NVMe-Array und GPU weiter. Die Storage-Next-Initiative mit über 40 Herstellern — darunter DDN, Kioxa und Micron — zielt darauf ab, GPU-getriebene Speicherzugriffe als interoperablen Industriestandard zu etablieren.
Einordnung für den Praxisbetrieb
Wer KI-Workloads intern betreibt, muss drei Engpässe adressieren: Speicherdurchsatz bei parallelen Inferenz-Requests, Latenz zwischen Storage und GPU sowie Datenhoheit über sensible Trainings- und Abfragedaten. Der QAI-h1290FX löst den ersten und dritten Punkt mit NVMe-All-Flash und On-Premises-Architektur. Der zweite Punkt — direkter GPU-Storage-Zugriff — wird mit dem cuFile-Open-Source-Stack zunehmend herstellerübergreifend verfügbar. Zu prüfen bleibt, ab welchem Firmware-Stand QNAP GPUDirect-Storage-Unterstützung für den QAI-h1290FX bestätigt. Bis dahin bleibt der Zugriffsweg über die CPU bestehen — ein messbarer Performance-Overhead, der bei Modellen ab 70B-Parametern ins Gewicht fällt.