内置了真随机数生成器的计算机硬件是可以生成“真随机数”的，但是这个“真随机数”是不是你想要的那种“真正的随机系统”我就不知道了。
CPU里通常会有真随机数生成器（True Random Number Generator，简称TRNG）和伪随机数生成器（Pseudo Random Number Generator，PRNG）。真随机数生成器通常是通过放大电路的热噪声来产生随机数，而伪随机数生成器则是使用线性反馈移位寄存器（Linear feedback shift register，LFSR）生成。
我们知道温度高于绝对零度的原子都存在热运动，在集成电路里这些原子的热运动会在电路里产生噪声，噪声会使得电路中的电压存在微小的起伏，TRNG就是通过放大这些微小的起伏来产生随机数。
不过TRNG也有不少缺点。首先就是产生随机数的速度很低，因为噪声放大电路有低通特性，使得高频的噪声被滤除了，而放大低频噪声就需要较长的时间，使得TRNG的工作频率受限。其次是电路系统里有很多不同的噪声，但并不是所有噪声都是随机的，比如电源噪声中很大一部分就是和系统时钟强相关的。而TRNG是一个放大极小信号的电路，它对外界干扰是极其敏感的，为了避免外界非随机信号的干扰TRNG必须要耗费不少功率和面积在屏蔽上。
由于面积和功耗限制，CPU中不能内置很多个TRNG；由于频率限制，单个TRNG输出的随机数数量有限，这使得单靠TRNG产生的随机数数量不足以满足系统需要。所以大多数时候我们会用TRNG和PRNG配合来产生随机数。
基于LFSR的PRNG可以简单的认为就是一串很长很长的0、1构成的会循环的序列，在没有外界输入的情况下这个数列每个周期输出一个比特的数据（0或1）。同时，LSFR可以读取一组输入作为初始状态，跳转到数列中某个特定位置。PRNG的面积和功耗都很小，CPU里可以内置很多个，工作频率也可以轻松达到GHz。
CPU会通过TRNG不断产生真随机数，然后将真随机数储存在熵池中，当需要使用随机数时再从熵池里提取一些随机数作为种子，输入到一大堆PRNG当中，最后使用这些PRNG的输出作为随机数使用。
业界一般会用NIST（美国国家标准技术研究所）制定的随机性测试来检测RNG的随机性，这套测试会使用很多种不同的算法来预测和分析RNG的输出，如果RNG的抗预测性够强，能长时间保持所有测试全部通过，就认为这个RNG设计是合格了。
但是呢，这中方法产生的随机数到底是不是“真正意义的随机数”？这就关系到热运动到底是不是真随机的了，我可回答不了……
