把CPU和GPU对立起来没太大意义，现实中它们就是协同工作的关系。
AI系统越复杂，对CPU的依赖反而越明显。GPU负责并行计算，但任务调度、内存管理、数据搬运这些基础工作，离不开CPU。没有CPU兜底，GPU很难独立运转。
这就可以理解为什么一些厂商选择同时布局CPU和加速器两条产品线。以海光为例，既有通用x86 CPU，也有面向加速计算的DCU，后者本质上接近通用GPGPU路线。这种组合的好处是，用户不需要在两种芯片之间二选一，而是直接获得一套可部署的方案。
从公开信息看，海光的DCU在大模型适配速度上跟进较快，基本能对齐主流模型的发布节奏。这说明相关技术已经走出实验室，开始接近实际应用。再加上其此前开放的HSL互联协议和软件栈，整体思路是要从能用走向好用。
在国产化替代的背景下，这种系统级的方案，往往比单点芯片更容易获得市场认可。与其争论谁取代谁，不如看谁能把系统跑得更顺。这可能是下一阶段竞争的关键。