AI基础设施需求升至77%，数据类岗位短期反超：全球AI与数据人才市场洞察

招聘活动收缩，但不是关键岗位需求消失

过去180天，全球AI与数据人才市场可观测到5930个岗位样本，其中近90天贡献了87.7%的样本。这一比值较上期的91.0%有所下降，说明更早期窗口的岗位占比有所上升，但招聘活动依然高度集中在近期。近30天占90天的31.5%，近7天占30天的22.3%，较上期的24.2%小幅回落。从节奏上看，市场并未进入收缩通道，而是从极热状态向温和消化过渡。对于前沿科技公司而言，总量的稳定意味着关键岗位的供给仍然充足，但节奏放缓也提示企业应更早启动人才对话，而不是等待岗位堆积后才行动。

另一个值得注意的结构性变化是，未标注职级的岗位占比从180天的63.6%升至7天的67.1%，而中高阶岗位占比从36.4%微降至32.9%。这并不意味着市场对资深人才的需求减弱，而更多是岗位描述在快速发布时省略了职级信息。同时，包含明确薪酬信号的岗位占比升至87.4%，薪酬透明度持续改善。这种一降一升的组合，说明企业在抢人时更愿意用薪酬信息吸引候选人，却在职级设计上留出弹性空间。招聘方在解读这些信号时，应将薪酬披露视为判断岗位紧迫性的重要指征，而不是单纯依赖职级名称。

AI 与数据岗位为什么仍然保持韧性

职能结构上，AI/算法、数据、技术三类合计在180天窗口占82.3%，7天窗口升至83.8%，集中度不降反升。这说明AI与数据相关的技术角色依然是市场绝对主体，非技术职能的占比被进一步压缩。其中，AI/算法岗位在180天窗口占比34.5%，数据类岗位占比29.2%，技术类岗位占比18.6%。而在最新7天窗口，数据类岗位以35.1%反超AI/算法的33.2%，成为最大单一职能。这一短期反转值得关注，因为数据工程师和分析工程师的突然放量，往往预示着企业将更多精力放在数据资产整理和业务分析上，而不是算法模型的最前沿探索。

这种韧性还体现在主题结构上。AI基础设施主题的占比从180天的49.9%一路升至7天的77.0%，模型推理平台、ML平台、存储与数据管道成为新增岗位的核心。企业不再满足于搭建通用的大模型能力，而是开始围绕具体业务场景打造专属的推理与数据基础设施。对于人才判断而言，这意味着传统的算法研究员角色正在被基础设施工程师、平台工程师所稀释，而后者的稀缺性可能更高，因为他们同时需要熟悉分布式系统、GPU调度和业务数据逻辑，这类复合型人才在任何市场都是任务关键型。

为什么 AI 基础设施岗位比重接近八成

AI基础设施岗位占比的逐级上升是本次报告最清晰的趋势。180天窗口为49.9%，90天为54.4%，30天为74.9%，最新7天达到77.0%。这组数据并不支持“AI人才饱和”的叙事，反而揭示了企业AI投入正从模型层向工程层迁移。当模型能力逐渐同质化，推理成本、数据流通效率、平台稳定性便成为竞争差异化的来源。因此，ML推理平台工程师、物理AI工程师、数据管道工程师等角色变得比以往任何时候都重要。

从新增样本看，Senior AI Software Engineer的职责涵盖LLM、平台、工作流和ETL，Nebius招聘的Senior ML Engineer聚焦物理AI的推理与平台，还有多个公司发布了ML推理平台或存储方向的高级工程师岗位。这些岗位的共同点是都强调系统层面的能力，而非单一的模型训练经验。对于招聘方，这意味着在评估候选人时，需要从“做过什么模型”转向“如何让模型高效稳定地工作”。Talentverse在协助前沿科技公司招聘时，会特别关注候选人在基础设施工程中的真实影响半径，而不仅仅是技术栈名称。

数据类岗位反超：需求重心转向数据工程

最新7天窗口中，数据类岗位占比达到35.1%，超过了AI/算法的33.2%。虽然这只是一周的数据，但结合30天窗口数据类持续攀升的趋势，不能简单视为噪声。数据平台主题的7天占比为5.2%，高于30天的3.5%，但仍低于180天的7.4%，说明传统数据平台的需求正处于修复通道。与此同时，开发者工具主题的占比从180天的3.3%骤降至0.5%，几乎在短期消失。这或许意味着工具链的竞争已趋于饱和，企业转而将资源投向能直接产生业务价值的数据角色。

数据类岗位的崛起还体现在地域和行业分布上。新增样本中出现了巴西远程的Analytics Engineer，曼谷提供relocation的高级数据工程师，以及金融科技团队的数据Lead Solutions Analyst。这些岗位的职责远超报表生成，它们涉及数据平台建设、数据质量体系和分析模型设计。对于新经济团队而言，数据工程师与业务分析师的边界正在模糊，新一代的数据人才需要具备从工程到洞察的完整能力。招聘策略上，企业应避免将数据岗位简单归为“支撑角色”，而要将数据负责人纳入核心决策层，否则很难吸引到真正能定义数据战略的稀缺人才。

Agent 热度降温：从研究走向交付

Agent/RAG主题在本次报告中的变化同样显著。该主题180天占比为12.3%，7天降至9.3%，而上期7天窗口为15.3%，环比下降了约6个百分点。新增岗位虽然仍包括AI Solutions Builder、Agent Systems评估研究员和LLM推荐与Agentic AI工程师，但整体性质已经从探索性研究转向解决方案交付。例如，Smartcat的AI Solutions Builder侧重RAG、平台、工作流和API集成，说明企业已经不再满足于概念验证，而是要求Agent系统能够嵌入实际业务流程。

这种降温并不意味着Agent不再重要，而是市场对Agent人才的期待变得更加务实。纯研究型的Agent岗位正在减少，取而代之的是能够将Agent系统落地到具体场景中的工程与产品人才。招聘方在配置Agent相关团队时，应该优先考虑具备系统集成、评估框架和运维经验的人才，而不是仅仅看重学术背景。如果企业误判这一趋势，仍以高成本招募纯研究型Agent专家，很容易在人才投入上出现错配。

Talentverse 判断：高确定性招聘的关键时刻

综合本次人才信号，可以看到全球AI与数据人才市场正在经历一次深刻的结构切换。总量保持稳定，但发布节奏放缓；AI基础设施岗位占比逼近八成，数据类岗位短期主导，Agent需求从研究走向交付。这些变化指向同一个结论：企业的人才需求正在从“拥有AI能力”转向“高效运行AI系统”，任务关键型人才的名单也随之改变。

对于前沿科技公司而言，最需要警惕的误判是将AI基础设施工程师视为普通后端开发，或者将数据工程岗位降级为支持角色。实际上，这两类岗位恰恰决定了AI业务能否从演示走向规模化。Talentverse认为，在这样的市场环境下，高确定性招聘的价值被显著放大。公司需要基于清晰的人才研究，明确哪些角色是业务成败的命脉，并通过证据链判断候选人在复杂系统中的实际贡献。当市场信号波动时，能够快速校准人才定义和薪酬锚点的团队，才能在关键岗位上赢得时间。

我们建议企业将目光投向三个行动方向。把ML推理平台、数据管道和数据平台负责人纳入关键岗位清单，由CTO或CEO直接参与评估，这是重塑人才结构的起点。同时，在招聘流程中增加对候选人系统设计和跨团队协作能力的考察，而不只关注模型指标。此外，利用远程与本地雇佣并行的模式扩展人才地理边界，以获取更广泛的任务关键型人才。Talentverse将持续跟踪这些信号，为客户提供基于人才研究的高确定性招聘决策支持。