电脑系统中的随机数生成机制被归类为“伪随机”的根本原因在于其生成方式依赖于确定性算法，而非真正的随机事件。以下是具体分析：

一、伪随机数的定义与生成原理

算法依赖性

伪随机数是通过确定性算法生成的，这些算法通常以初始值（种子）为起点，通过复杂计算（如线性同余、梅森旋转算法等）迭代产生数列。由于算法的确定性，相同的输入（种子）将始终产生相同的输出，因此无法实现真正的随机性。

周期性与可复现性

即使伪随机数的周期极大（如梅森旋转算法的周期为$2^{19937}-1$），但只要知道种子，就可以完全复现整个数列。这种特性在安全性要求高的场景（如加密）中是致命缺陷。

二、与真随机数的区别

真随机数的来源

真随机数基于不可预测的物理事件（如量子力学中的粒子碰撞、热噪声、鼠标移动等），这些事件具有真正的随机性且无法被算法复现。

伪随机数的局限性

伪随机数虽然周期极长，但本质是可预测的，其“随机性”仅体现在统计分布上（如均匀分布、正态分布），而非真正的随机性。

三、应用场景的差异

安全性要求高的场景

加密算法、安全协议等需要真随机数来防止预测攻击。例如，RSA加密依赖大质数生成，而质数的分布需通过真随机数生成器实现。

非安全性场景

游戏中的暴击率、模拟天气等场景对随机性的精度要求较高，伪随机数已足够满足需求，且计算效率更高。

四、总结

电脑系统采用伪随机数生成机制是计算能力的必然结果。由于硬件和算法的局限性，完全模拟真实随机过程尚不可行。因此，通过精心设计的算法和足够长的周期，伪随机数在大多数应用中能够提供“足够随机”的结果。