抖音号资讯：成为了一种集成了企业人工智能技术能力的智慧基础设施

• 统中，企业通过监测来的数据感知用户；
• 认知系统中，人类智能与AI大脑进行推理与分析的素材来自监测得来的数据；
• 行动系统中，企业决策后作出的行动需要通过监测来获得反馈。

监测不再仅仅是一个简单的功能，更成为了一种集成了企业人工智能技术能力的智慧基础设施。企业与TA的交互，变成了作为人的延伸的海量媒介与作为企业之延伸的“智能监测体”之间的交互。

三、从“热监测”到“冷监测”

本文最后我们探讨一个有趣的话题。

麦克卢汉有一个关于媒介之“冷热”的有趣观点。在他看来，媒介有冷热之分：

“……有一条基本的原理，热媒介只延伸一种感觉，具有‘高清晰度’。高清晰度是充满数据的状态。从视觉上看，照片具有高清晰度，卡通画却只有‘低清晰度’，因为它提供的信息非常之少。冷媒介提供的信息少，大量信息需要由听话人自己填补。热媒介则并不留下空白让接受者去填补和完成，因此，热媒介要求的参与度低,冷媒介要求的参与度高。”

也就是说，热媒介具有高清晰度，由于数据清晰度高，对数据的理解就很难产生偏差，人的参与度就变得低了。比如看一张高清的照片，很难让人调动更多的感官和主观思维参与到对这张照片的理解中去。

而冷媒介则是低清晰度、高参与度。比如让人看一张抽象画，由于画作的诠释空间非常大——数据清晰度是非常低的，人必须要调动其他感官或主观思维参与到对画的理解之中。

借用这个比喻，我们不难发现，从信息时代到营销智能时代，监测正在从一种“热监测”进化为一种“冷监测”。

早期，监测作为测量广告主所投放广告的触达数量的第三方服务出现，其核心功能是计数，核心目的是防止广告代理商和媒介作弊。这时的监测方就像一个裁判员，主要任务是判断是否有真实用户被触达了。

由于监测对象所传递的信息非常简单，也就是说监测结果的清晰度很高、诠释空间很小，不需要广告主其他形式的任何参与就可以被理解，所以我们可以称之为“热监测”。

而本文所描述的作为营销智能时代基础设施的监测，则更像是一种“冷监测”。

冷监测的数据清晰度是极低的，因为监测对象变成了始于异构（Heterogeneous）、自治（Autonomous）的多源海量数据，人们无法直接理解这些大数据背后有待挖掘的隐藏含义。

因此，冷监测的目的就变成了寻求探索复杂的（Complex）和演化的（Evolving）数据关联的方法和途径（HACE定理），而这就需要通过各类服务于监测端的人工智能技术的高度参与——比如上文提及的数据中台、知识图谱、智能推理等。