收缩中的结构再分配：AI 基础设施主导供给，数据职能与通用工程加速分化

总量收缩与短窗反弹：招聘判断先看结构

截至 2026-10-21，180/90/30/7 天可见岗位样本为 7857/3180/447/120 个。90 天对 180 天为 0.4047，30 天对 90 天为 0.1406，说明中长窗口供给仍在收缩，30 天节奏只有 90 天月均的约 42%。7 天折月约 514 个，比 30 天实际 447 个高约 15%，短窗出现低位反弹，但 7 天只有 120 个样本，单批次采集就足以改变比率。对前沿科技招聘的含义是，企业不应把短窗反弹直接读成全面扩张，关键岗位审批仍应围绕任务关键型人才展开（证据 fact-14730、fact-14647、fact-14617）。

结构上，AI 基础设施仍以 54.35%/67.74%/44.74%/38.33% 居首，对应 4270/2154/200/46 个岗位，90 天集中度接近七成，7 天占比却降至四窗口最低。同期 other 主题短窗升至 38.33%，高于 180 天的 18.80%，说明新增供给在长尾分散，而不是基础设施需求消失。招聘侧更值得关注的不是“AI 岗位还有没有”，而是平台工程、推理优化、数据治理与交付能力能否组合成可落地团队（证据 fact-14705、fact-14670、fact-14656）。

AI 基础设施仍是主线，数据与工程的边界在移动

数据职能从 180 天 27.36% 降至 90 天 23.40%、30 天 8.72%、7 天 5.83%，绝对量从 2150 个降到 7 个；技术职能同期从 18.02% 升至 25.83%，30 天和 7 天分别为 94 个和 31 个。AI/算法占比也从 33.91% 降至 16.67%。这组长短背离说明，短窗新增供给正从专职数据与算法岗位转向通用工程交付。对招聘的直接含义是，前沿科技公司若仍按传统数据团队扩编，可能错配；更现实的顺序是先补平台、后端、全栈与 ML 工程复合型人才，只有在数据资产成为瓶颈时才增设专职数据领导岗（证据 fact-14728、fact-14668、fact-14589）。

agent/RAG 需求保持稳定但未爆发，四窗口占 12.28%/11.54%/12.98%/10.83%，对应 965/367/58/13 个岗位。7 天回落至 10.83%，但绝对量只有 13 个，尚不构成方向性变化。企业更应把 Agent/RAG 视为能力模块，而不是独立概念岗：能否把检索、工具调用、评测与上线运维做成可交付系统，比候选人是否贴着 Agent 标签更重要。对关键岗位而言，这类能力更适合嵌入产品工程与平台工程团队，而不是被隔离成短期概念编制（证据 fact-14726、fact-14699、fact-14703、fact-14621）。

安全、合规与数字资产：细分信号不能替代主线判断

安全职能四窗口占 7.00%/8.71%/12.08%/12.50%，短窗最高；risk/compliance 主题仅 1.16%/1.19%/3.80%/4.17%，7 天只有 5 个。安全岗位同时承载身份、风控、调查与合规职责，不能把安全职能上行直接等同于统一合规需求上行。招聘上应拆开评估：安全工程、调查取证、AML/KYC 合规面对的是不同人才市场，混在一个岗位画像里会拉长周期，也会降低人才判断的准确度（证据 fact-14725、fact-14696、fact-14619、fact-14587）。

数字资产相关主题合计约 254/115/35/6 个，占 3.23%/3.62%/7.83%/5.00%。短窗占比抬升，但长窗口仅约 3%，7 天只有 6 个，只能作为细分信号。对数字资产团队而言，交易基础设施产品设计、智能合约工程、钱包与支付交付值得关注，但不应把它写成整个市场的主叙事；任务关键型岗位仍要回到合规、安全与结算能力上评估。把细分主题放大成主线，容易让企业为短期热度支付长期组织成本（证据 fact-14726、fact-14694、fact-14692、fact-14610）。

高级岗位未随反弹扩张，薪酬披露缺口放大

职级结构仍以未标注为主，未标注占 63.51%/64.34%/64.43%/77.50%，senior 级占 17.16%/16.16%/13.87%/10.00%，lead 级占 6.29%/6.35%/7.16%/3.33%。30 天 head 级占 4.25% 但仅 19 个，7 天降至 1.67%。高级岗位并未随短窗反弹扩张，这提醒企业：短窗活跃度不等于高端人才供给增加，关键岗位的搜寻半径和判断标准不能因为短期样本变多而放松（证据 fact-14695、fact-14645、fact-14613、fact-14693）。

薪酬 unknown 在 180/90/30/7 天占 22.08%/25.19%/58.39%/66.67%，30 天和 7 天均超过五成。unknown 是披露缺口，不是薪酬下行证据。短窗中部分技术、数据、设计岗位带强薪酬信号，社区运营、SEO 实习等岗位则无薪酬信号，横向比较可靠性低。对高确定性招聘而言，薪酬判断应结合强信号岗位、职级、业务阶段与地域做结构化校准，避免用披露缺失压低下人才定价，也避免把短窗样本当成长期薪酬基准（证据 fact-14729、fact-14723、fact-14722）。

Talentverse 判断：在收缩中做高确定性招聘

这轮数据更像收缩中的结构再分配，而不是全面复苏或 Web3 主导。AI 基础设施仍是主线，但短窗集中度下降；数据职能短窗几乎消失，技术职能升至四窗口最高；Agent/RAG 稳定在能力层，安全与合规必须拆开看，数字资产只是细分信号。企业最可能误读的是把短窗反弹当成扩张令，或把安全职能上行当成合规岗位批量扩编。两类误读都会让关键岗位画像失焦，也会让招聘团队在错误的人才池里消耗时间（证据 fact-14705、fact-14728、fact-14725、fact-14694）。

优先招聘顺序应围绕任务关键型人才：能承接 AI 落地的平台与 ML 工程复合型人才、能把 Agent/RAG 做成可交付系统的产品工程人才、能拆分安全工程与合规调查的专业人才，以及真正理解交易基础设施与结算风险的数字资产人才。Talentverse 认为，在供给收缩、披露缺口放大、职级信号偏弱的窗口里，高确定性招聘比追逐短窗热度更重要；先把关键岗位定义清楚，再用人才研究与结构化判断校准，企业才不会为短期波动支付长期组织成本。