AI 基础设施仍居首:7,759 个岗位样本中的短窗回暖与关键岗位判断
本报告基于 Talentverse 自研产品 Talent Signal 收集与整理的公开招聘信号样本,呈现对前沿科技人才市场的结构化观察。
截至 2026-11-08 的 180 天窗口内,结构化招聘事实共 7,759 个,90/30/7 天分别为 2,413/485/134 个,折算日均 43.1/26.8/16.2/19.1 个。长端收缩未改,近 7 天日均虽较 30 天回升约 18.4%,但仍仅为 90 天日均的 71.4% 和 180 天日均的 44.4%。主题上 AI 基础设施占 55.57%/62.74%/42.06%/42.54%,Agent/RAG 占 12.31%/11.60%/12.16%/14.18%,近 7 天两者合计 56.72%。职能上近 7 天 AI/算法占 47.01%,数据仅 4.48%,技术 11.94%;前台五职能合计 17.91%,较 30 天回落 4.98 个百分点。安全与风险合规在 30 天抬升后回落,数字资产三类主题近 7 天约 4.49%。新增 35 条样本中 AI/算法 16 条、AI 基础设施 11 条,短窗样本小且薪酬未知约 51.5%,结论置信度受限。
总样本(180 天)
7,759 个
窗口内结构化招聘事实总量,构成本期人才研究基线。
90/30/7 天样本
2,413/485/134 个
用于观察中短窗需求密度;近 7 天样本仅 134 个,占比变化易被小样本放大。
日均岗位数
43.1/26.8/16.2/19.1 个
按 180/90/30/7 天折算;近 7 天日均较 30 天回升约 18.4%,仍低于长端。
总量收缩与短窗回暖同时存在
截至 2026-11-08 的 180 天窗口里,结构化招聘事实共有 7,759 个,90 天、30 天和近 7 天分别为 2,413、485 和 134 个。折成日均,180 天是 43.1 个,90 天是 26.8 个,30 天是 16.2 个,近 7 天是 19.1 个。近 7 天比 30 天回升约 18.4%,但它只相当于 90 天日均的 71.4%、180 天日均的 44.4%。对前沿科技公司来说,这不是全面放开编制的信号,而是关键岗位仍被谨慎释放的提醒。
90d/180d、30d/90d、7d/30d 的数量比分别为 0.311、0.201 和 0.2763,长端厚、短端薄的漏斗没有改变。真正需要看的不是总量是否一周抬头,而是哪些任务继续获得岗位预算。任务关键型人才此刻更容易进入决策视野,因为他们能直接推进模型、数据与产品落地;高确定性招聘的价值,也在于把短窗噪声和真实任务需求分开。
AI 基础设施仍是主结构,Agent/RAG 在短窗抬头
AI 基础设施在 180/90/30/7 天分别占 55.57%、62.74%、42.06% 和 42.54%,仍是第一主题;Agent/RAG 占 12.31%、11.60%、12.16% 和 14.18%,近 7 天有所抬升。两者合计近 7 天达到 56.72%,低于 90 天的 74.34%,说明平台建设高峰没有回来,但应用层任务在增加。对人才判断的含义很直接:训练与推理平台、检索增强、工具调用和工作流编排仍是关键岗位池,但不能把短期 Agent 热度等同于全面平台扩张。
其他主题在 30 天和近 7 天分别占 31.34% 和 28.36%,高于 180 天的 18.37%,短窗样本更杂。数字资产相关三类主题合计占 3.03%、4.22%、6.80% 和 4.49%,近 7 天约 6 个样本,仍只能作为细分观察。主题标签只能缩小范围,不能替代任务拆解;一个 Agent/RAG 岗位可能同时涉及检索、评测、工具协议和产品交付,人才判断必须看候选人是否交付过可验证系统。
算法岗单侧拉动,数据职能的收缩更值得警惕
职能结构的变化更尖锐。AI/算法在四个窗口分别占 33.19%、33.61%、30.52% 和 47.01%,近 7 天比 30 天高 16.49 个百分点;数据职能占 27.14%、21.42%、8.04% 和 4.48%,近 7 天只有 6 个样本;技术职能占 17.79%、16.12%、16.70% 和 11.94%。近 7 天 AI/算法与数据合计 51.49%,低于 90 天的 55.03% 和 180 天的 60.33%,说明短窗由算法岗单侧拉动,而不是数据与技术同步扩张。
数据职能从 180 天的 27.14% 降到近 7 天的 4.48%,这个幅度不能只用波动解释。它可能意味着数据生产、标注和评测任务被重新组织,也可能意味着企业把部分数据工作嵌入算法与产品团队。简单冻结数据招聘是误读。AI 数据生产、评测设计、数据治理和领域知识仍决定模型能否落地,只是岗位形态从独立数据团队转向更贴近模型与业务的任务单元。关键岗位判断应看候选人能否提升数据质量、评测效率和错误发现速度,而不是只看岗位名称。
职级、薪酬与前台岗位的信号噪声
职级标注稀疏化仍在延续。none 在四个窗口占 63.70%、65.11%、70.52% 和 69.40%,senior 占 16.92%、14.42%、10.10% 和 6.72%,lead 占 6.40%、7.38%、8.87% 和 14.18%。近 7 天 lead 升至 19 个,但 director 为 0、principal 2 个、head 2 个、vp 1 个、founding 5 个,不能据此说组织层级整体上移。lead 增加更可能反映小团队负责人和从 0 到 1 角色的增加,人才判断要回到决策半径、复杂任务经历和跨团队交付证据。
薪酬披露缺口同样制造噪声。unknown 占 22.61%、30.29%、51.55% 和 51.49%,近 7 天与 30 天几乎持平,约一半岗位缺少薪酬信号。这会削弱对岗位层级、需求强度和竞争烈度的判断。前台五职能合计占 9.27%、13.30%、22.89% 和 17.91%,近 7 天比 30 天低 4.98 个百分点,虽仍高于长窗,但不能称商业化扩张加速。商务、市场、销售、产品和运营岗位应围绕可验证的收入路径与产品阶段设置,关键岗位仍要单独立项评估。
Talentverse 判断:关键岗位要按任务确定性重排
这轮变化的核心不是招聘总量全面回暖,而是关键岗位继续向 AI 平台、算法和任务型工程能力集中。AI 基础设施与 Agent/RAG 合计近 7 天 56.72%,AI/算法单职能近 7 天 47.01%,说明企业仍愿意为直接提升模型能力、检索增强与工作流交付的角色投入。优先级最高的岗位应放在训练与推理平台、Agent 工作流、模型与算法、AI 数据生产与评测,以及按具体威胁面拆分的安全与风控任务上。数据职能占比降至 4.48% 不等于数据人才不重要,而是数据能力需要重新嵌入模型与产品任务。
最容易被误读的地方有三处:把近 7 天日均 19.1 个当作招聘拐点,把 lead 占比上升当作组织层级整体上移,把 Agent/RAG 的短窗抬升当作全面平台扩张。短窗只有 134 个样本,薪酬 unknown 约 51.49%,任何占比变化都可能被少量岗位放大。对前沿科技公司而言,高确定性招聘比以往更重要,因为关键岗位的错配成本正在上升。企业需要用任务边界、交付证据和决策半径来定义人才判断,而不是用主题热度、职级标签或薪酬未知的岗位描述来替代判断。真正值得优先投入的,是那些能直接把模型能力转成可验证系统、把数据质量转成评测效率、把安全义务转成产品约束的任务关键型人才。
方法说明
本报告基于截至 2026-11-08 的结构化招聘事实,样本计数 7,759 个,窗口 180 天;其中 posted_at 事实 7,094 个,collected_at 回退 665 个,近 7 天短窗样本 134 个,本期新增事实 35 个。窗口比例按 180/90/30/7 天计算,主题与职能占比均来自同一结构化样本。历史基线仅代表当前可见岗位,不代表完整真实半年历史;短窗样本小、薪酬未知约 51.5%,相关结论应保持低到中等置信度。
Talent Signal / v60 / 2026-11-08