人工智能（AI）和加密货币挖矿都是对计算资源要求很高的应用。在这两种情况下，使用显卡（GPU）而不是中央处理器（CPU）的原因主要是因为显卡在处理特定类型的计算任务时具有显著的优势。

显卡是为了处理图形计算而设计的，并具有大量的小型处理单元，这使得它们非常擅长并行处理。这种并行处理能力对于一些AI任务（如深度学习中的神经网络训练）和加密货币挖矿来说非常重要，因为它们涉及大量的矩阵计算和哈希计算，这些任务可以被有效地并行化处理。

相比之下，CPU虽然在处理通用计算任务时表现出色，但它们的处理单元数量相对较少，因此在处理大规模并行计算时效率较低。

显卡在执行特定类型的计算任务时通常比CPU更高效。这意味着在相同的能耗下，显卡可以完成更多的计算工作，这对于大规模的AI模型训练和加密货币挖矿来说非常重要。

现代显卡通常具有专用的硬件支持，能够加速一些特定的计算任务，例如深度学习中的张量核心（tensor cores）和加密货币挖矿中的哈希计算。

因此，尽管CPU在通用计算方面表现出色，但在处理大规模并行计算任务时，显卡通常更为适合，这就是为什么在AI和加密货币挖矿中会选择使用显卡而不是CPU的原因之一。