计算机算圆周率，为啥蒙特卡洛方法只能"打酱油"？

差不离，你听说过用"扔飞镖"来算圆周率吗？没错，这就是蒙特卡洛方法——往正方形里随机撒点，看有多少落在内切圆里，π≈4×（圆内点数/总点数）。听起来很酷对吧？但真相有点扎心：正经的计算机程序算π，几乎没人用这个法子。3.1415926535…后面那几十亿位，靠的是别的"狠角色"。 蒙特卡洛方法的问题在于"太随机了"。它的精度提升慢得令人抓狂——想让结果多准一位，计算量就得翻100倍。打个比方：你算到3.14要扔1万个点，想算到3.141可能得扔100万个。更坑的是，随机数的质量直接决定结果，伪随机数稍微跑偏，π就可能算出3.13这种"离谱答案"。计算机科学家追求的是确定性和效率，这种"看运气"的算法自然被边缘化。

真正扛大梁的是迭代公式，尤其是高斯-勒让德算法和BBP公式。前者每次迭代精度翻倍，堪称"指数级开挂"；后者更变态，能直接算第n位而不用管前面，就像查字典跳到某一页。2019年谷歌用这类方法把π算到了31.4万亿位，要是用蒙特卡洛，得把地球上所有原子都变成计算机才行。就连超级计算机跑蒙特卡洛，算个百万位都够呛，迭代公式却能轻松破亿位。 不过蒙特卡洛也没完全失业。它胜在"傻瓜式实现"——几行代码就能跑，教学演示那是相当香。多重积分、金融风控、物理模拟这些"高维灾难"场景，蒙特卡洛反而如鱼得水。算π只是它"最不擅长"的活，就像让米其林大厨去煮泡面，能煮，但没必要。

所以问题来了：你第一次听说蒙特卡洛算π是在哪？课本、编程课，还是某篇"震惊体"文章？评论区聊聊，顺便猜猜——如果硬要用蒙特卡洛算到π的100位，需要扔多少个点？提示：数字大到你的计算器会罢工。