电脑生成随机数的本质是 伪随机，主要原因如下：

一、随机数的生成机制

算法依赖随机种子

计算机通过伪随机数生成算法（如线性同余生成器）产生随机数，这些算法需要一个初始值—— 随机种子。种子通常基于系统时间、硬件状态（如CPU温度、内存使用率）或外部事件（如按键输入）。

确定性与可预测性

一旦种子确定，算法将按照固定规则生成后续的随机数序列。这意味着，如果知道当前种子和算法参数，就可以完全预测后续的随机数，违背了真随机数的“不可预测性”特性。

二、与真随机数的区别

物理过程与算法模拟

真随机数需要依赖物理现象（如放射性衰变、量子噪声）或复杂的实验过程，而计算机只能通过算法模拟生成伪随机数。

统计特性与实际应用的平衡

伪随机数虽然不具备真随机的物理随机性，但通过合理设计算法，可以满足大多数应用场景对随机性的需求，如游戏、模拟等。而在安全性要求高的场景（如密码学），仍需依赖真随机数发生器。

三、技术限制与实际应用

无法在有限时间内生成符合特定分布的随机数

若需在短时间内生成大量符合特定分布（如正态分布）的随机数，直接生成真随机数效率极低，因此通常采用伪随机数生成。

安全性与随机性的权衡

加密领域对随机性要求极高，需使用真随机数以避免预测风险。但真随机数生成设备成本高、维护复杂，因此实际中常通过硬件随机数生成器（如基于热噪声的传感器）与伪随机数结合使用。

总结

计算机生成随机数的“伪”源于其依赖算法和可预测性，而非物理随机过程。这种设计在效率与实用性上具有优势，但需根据应用场景权衡安全性需求。对于普通应用，伪随机数已足够；而对于高安全性场景，仍需借助专用硬件或真随机数发生器。