在ModelScope中，只能选择CPU的原因可能有以下几点：

1. 硬件限制

某些设备可能只有CPU而没有GPU或者其它专用的硬件加速器，在这种情况下，模型只能在CPU上运行。

2. 软件限制

有些深度学习框架或者库可能不支持在GPU或者其他硬件上运行模型，这可能是因为软件的设计决策，或者是因为在某些硬件上运行模型需要额外的技术支持和开发工作。

3. 性能考虑

虽然GPU在处理大规模并行计算时比CPU更高效，但并不是所有的计算任务都能从GPU的并行计算能力中受益，对于一些小规模的计算任务，CPU可能会提供更好的性能。

4. 成本考虑

使用GPU或者其他硬件加速器可能会增加设备的制造成本和使用成本，如果一个产品的目标市场对价格敏感，那么只支持CPU可能是一个合理的决策。

5. 兼容性问题

不同的硬件平台可能需要不同的软件支持，如果一个模型需要在多种不同的硬件平台上运行，那么选择CPU作为目标硬件可以确保最大的兼容性。

6. 稳定性和可靠性

CPU是一个成熟的技术，其稳定性和可靠性已经得到了广泛的验证，相比之下，新的硬件技术可能存在未知的稳定性和可靠性问题。

虽然CPU可能在性能上不如GPU或者其他硬件加速器，但是其在兼容性、稳定性、成本等方面可能有优势，在ModelScope中只选择CPU可能是出于这些考虑。