AI 基础设施主导增量：全球 AI 与数据人才市场进入平台期

招聘活动收缩，但不是关键岗位需求消失

过去 180 天可观测的全球 AI 与数据人才市场包含 5753 个岗位，其中 90 天窗口有 5234 个，30 天 1625 个，最近 7 天 393 个。90d/180d 达到 0.9098，说明大多数岗位集中在近三个月内发布，长期结构看起来稳定；但 30d/90d 只有 0.3105，显示中期招聘节奏比年初明显放缓。7d/30d 为 0.2418，高于上一周期的 0.2288，这是一个值得注意的回暖信号，表明市场在经历一段收缩后出现了企稳迹象。

不过，这份数据本身存在一个容易被忽略的边界：180 天窗口并不等于真实完整的半年历史。由于早期岗位可能已经下线或未被采集，当前看到的“稳定”更多是对近 90 天的描述。因此，对企业而言，不能因为总量平稳就放缓关键岗位的招聘，反而应该在短期回暖窗口内加大对任务关键型人才的锁定力度。

从职能结构看，AI/算法、数据、技术三类岗位在 180 天合计占比约 82.3%，7 天窗口进一步升至 84.4%，其中 AI/算法占比达到 35.1%。这说明人才需求正在向少数核心职能集中，市场对专业能力的筛选比以往更严格。

AI 基础设施为什么成为短期增量主体

最显著的结构性变化是 AI 基础设施主题的快速集中。该主题在 180 天窗口占比 49.2%，90 天升至 52.4%，进入 30 天后达到 74.4%，最近 7 天仍有 72.3%。模型平台、推理优化、MLOps 和数据管道相关岗位成为绝对主流，这不再是单纯的研究扩张，而是企业将 AI 能力植入生产系统的必然结果。

这种集中度对人才判断提出了新要求。过去市场关注算法模型的创新，现在更关注推理延迟、资源效率、系统可靠性和数据管道的稳定性。招聘团队如果不能区分模型研究岗位和基础设施岗位的能力模型，很容易在高确定性招聘上出现偏差。对于前沿科技公司而言，AI 基础设施工程师已经等同于任务关键型人才，他们的决策直接影响产品上线速度和运营成本。

另一个值得关注的现象是，薪资信号的透明度在提升。strong 薪资信号占比从 180 天的 80.2% 升至 7 天的 83.5%，说明更多企业愿意在岗位发布时明确薪酬范围。这既反映了人才竞争的理性化，也意味着候选人预期管理变得更加重要。

Agent 与企业级 AI 落地：从研究到交付的转向

Agent/RAG 主题的占比从 180 天的 12.4% 回升至 7 天的 15.3%，更重要的是岗位性质发生了明显变化。新增样本中出现了 AI 产品移动端研发工程师、AI Solutions Director、Agentic AI Harness & Quality ML 工程师等角色，说明这个领域已经不再停留在概念验证阶段，而是进入产品工程和交付环节。

企业级 AI 解决方案岗位的密集出现，进一步印证了这一转向。AI Solutions Architect、Forward Deployed Engineer、售前与交付类岗位在新增样本中高频出现，表明企业客户采购的不再是模型本身，而是能嵌入业务流程的完整解决方案。这种变化要求候选人既要懂技术，又要能理解业务场景，并在客户现场推动落地。

对招聘策略的启示是，Agent 和企业级 AI 岗位应当被归入高确定性招聘的优先清单。许多公司可能还在按照传统算法岗位的标准筛选候选人，但实际需求已经从论文和 Demo 转向工程化能力、产品 Sense 和客户沟通成熟度。人才评估模型需要随之更新。

数据岗位的边界正在被 AI 重写

传统数据平台主题的占比从 180 天的 7.4% 降至 7 天的 2.8%，开发者工具从 3.4% 降至 0.8%。这并不意味着数据人才需求消失，而是数据类需求更多以 AI 基础设施的形态出现。数据管道、特征平台、向量存储和实时推理系统，正在取代传统数仓和 ETL 成为新的能力核心。

这一变化对现有数据团队是一个清晰信号：如果团队仍然以传统数据平台技能为主，可能会在市场评估中被边缘化。Talentverse 的建议是，将数据工程岗位的职责边界向 AI 基础设施延伸，把 MLOps、推理优化和训练数据管道纳入核心能力模型。否则，招聘方容易低估那些具备转型潜力的数据工程师，同时高估传统数仓经验在新环境中的适用性。

从市场结构看，这类岗位的占比变化可能在未来几个季度继续演进。企业如果计划建设新的数据平台，优先考虑与 AI 基础设施一体化的方案，会在人才获取上更有竞争力。

高阶人才需求的结构性变化

高阶岗位占比保持稳定，7 天非入门级岗位占 35.1%，与 30 天的 35.0% 基本持平。但 staff 级和架构师级岗位的占比从 30 天的 7.1% 升至 7 天的 10.7%，这是一个微妙却重要的信号。市场对高复杂岗位的需求正在补充，而不是普遍扩张。

这说明企业更倾向于招聘能解决复杂问题、带动团队杠杆的资深人才，而不是大量扩充中基层。对于前沿科技公司，这意味着高确定性招聘应该以 staff 工程师、架构师和技术负责人为焦点。这类角色往往能决定 AI 基础设施的成败，也直接影响 Agent 产品化的进度。

在 Web3 领域，核心研发岗位仍然稀缺，新增岗位以社区、开发者关系和支付商务为主。Web3 相关岗位在 180 天合计占比约 3.0%，7 天降至 1.5%，维持低位。它不构成当前人才市场的主要矛盾，但可以作为观察生态周期的辅助信号。

Talentverse 判断：高确定性比高数量更重要

综合 180 天的数据，全球 AI 与数据人才市场正处在一个平台期，需求结构从模型研究向 AI 基础设施、企业级落地和 Agent 产品化迁移。AI 基础设施岗位在 30 天和 7 天窗口占比超过 70%，是最确定的增量方向；企业级 AI 解决方案岗位增多，反映出客户侧真实需求的释放。

Talentverse 认为，前沿科技公司应当优先配置三类角色：一是具备推理优化和 MLOps 经验的 AI 基础设施工程师，二是能将 Agent/RAG 转化为产品的技术与产品复合型人才，三是能深入客户现场推进部署的解决方案架构师。许多公司可能误以为 AI 人才争夺战已经降温，实际上只是从模型研究转向工程交付和客户落地。

在这个阶段，高确定性招聘比广泛铺开更有效。找到能在真实系统中解决推理延迟、资源效率、可靠性和交付问题的资深人才，比招募大量初级研究人员更能决定产品的成败。企业的人才战略需要从“抢到人”转向“选对人”，用更严谨的人才判断和更清晰的能力模型，确保每一个关键岗位都充满高概率的成功预期。市场正在收敛，而收敛阶段的每一次招聘决定，都会成为下一轮竞争的分水岭。