全球 AI 與數據人才市場：AI 基礎設施集中度上升，Agent/RAG 進入工程化驗證期

招聘活動收縮，但不是關鍵崗位需求消失

過去 180 天，全球 AI 與數據人才市場的可觀測樣本合計 5,303 個職位，其中 90 天內發布的有 4,936 個，90 天對 180 天的比值為 93.1%。把時間拉長到半年，市場的供需基本面仍然穩定，真正需要留意的是短期節奏：近 30 天新增職位 1,613 個，只有 90 天的 32.7%；近 7 天更只剩下 320 個，等於 30 天的 19.8%。發布量在短時間內明顯收縮，很容易被解讀成 AI 人才需求退潮，但對照 93.1% 的長期比值，更合理的解釋是招聘週期、預算節奏與樣本採集時間差造成的波動。

近 7 天只有 320 個樣本，任何比例都會被放大。若某一週剛好有大型企業集中發布平台工程職位，技術類占比就會立刻上升。對前沿科技公司而言，真正需要追蹤的不是單週數字，而是 30 天與 90 天窗口是否連續偏離長期結構。只要 90 天對 180 天的比值維持在九成以上，關鍵職位的供給就沒有斷裂。此時若因為短期回落而暫緩招聘，反而可能在下一波需求回升時失去先機。

AI 與數據職位仍是底座，短期增量轉向工程

以 180 天窗口看，AI/算法職位有 1,826 個，占 34.4%；數據職位有 1,533 個，占 28.9%。兩者合計超過六成，是這波人才市場最穩固的底座。30 天與 90 天的合計占比分別為 64.5% 與 64.1%，進一步印證演算法與數據能力仍是企業最核心的人才需求。同時，180 天內有 4,241 個職位帶有明確薪酬信號，占比 80%，顯示這些需求背後有實際預算支撐，不是單純的職缺掛牌。

短期結構卻出現值得注意的變化。近 7 天 AI/算法與數據合計 133 個，占比降到 41.6%；技術/工程類職位則有 129 個，占 40.3%，成為最大的單一職能。最新發布的增量主要來自平台工程、全端開發與基礎設施相關角色，而不是傳統意義上的演算法科學家。這個變化正好對應 AI 從實驗室走向營運系統的階段：企業已經過了用論文或原型驗證的時期，開始需要有人把模型放進產品管線、把推理服務跑穩、把開發者工具做好。

高級別職位的短期占比也支持這個判斷。近 7 天 senior 及以上職位有 113 個，占 35.3%；30 天為 31.6%，90 天為 30.9%。比例雖然沒有大幅跳升，但連續窗口都維持在三成以上，說明企業更願意把預算放在能獨立交付的資深工程師身上。對人才判斷來說，這意味著年資標籤的參考價值下降，真正重要的是候選人是否具備建構與營運 AI 系統的實戰能力。

AI 基礎設施集中度上升，Agent/RAG 進入工程化驗證期

AI 基礎設施是過去半年最大且最持續強化的主題。180 天內有 2,511 個職位屬於這個主題，占 47.4%；90 天占 49.6%，30 天上升到 75.4%，近 7 天更達到 77.8%。集中度一路走高，顯示企業的招聘資源正在向 AI 平台、模型服務、訓練與推論管線、AI CICD 等底層工程收斂。這不是曇花一現的熱潮，而是 AI 進入規模化營運的必要條件。沒有穩定的基礎設施，前沿模型無法變成可靠的產品。

分居第二的 Agent/RAG 主題則呈現另一種節奏。180 天有 643 個職位，占 12.1%；30 天有 179 個，占 11.1%；近 7 天下降到 22 個，占 6.9%。短期占比回落，但職位名稱開始細化為 Frontier Agents Engineer、Applied AI Engineer、Agentic AI Engineer 等具體角色，代表應用層需求正在從概念驗證走向工程落地。更值得留意的是數據平台職位的劇烈波動：180 天有 411 個，30 天卻只有 57 個，7 天更只有 3 個。這類短期數據不適合直接當成需求消失的證據，但確實提醒我們，基礎設施集中化正在吸收原本分散在數據平台與數據工程上的招聘能量。

安全與合規職位在 180 天、90 天、30 天、7 天窗口分別為 291、291、104、17 個，占比穩定在 5% 到 6%。這個穩定性值得重視，因為 AI 基礎設施擴張的同時，資料治理、模型安全與合規角色會跟著變成任務關鍵型職位，而不是周邊支援。

Web3 仍在低位，企業 AI 落地正在跨出實驗室

Web3 基礎設施相關職位的量級依然很小。180 天合計 163 個，占 3.1%；30 天 37 個，占 2.3%；近 7 天 5 個，占 1.6%。無論是錢包與支付，還是交易基礎設施，都還沒形成足以影響整體市場的招聘動能。這個低基數不適合用來推論 Web3 產業的未來，但對人才研究者來說，它提供了清楚的對照：在 AI 與數據相關職位超過六成的市場結構下，Web3 目前不是 AI 人才溢出的主要方向。

與此同時，AI 需求正從 AI 實驗室擴散到具體業務部門。高盛招募稅務營運資料方向的 VP，Genesys 招募 AI 解決方案架構師，GitLab 開出 AI 工程後端工程師，Binance 則需要 AI/LLM 客服數據工程師。這些例子有一個共同點：AI 被放進稅務、客戶服務、開發者工具與合規流程，而不只是研究部門的專案。對新經濟團隊來說，這代表下一個關鍵人才不見得是論文產出最多的研究員，而是能把 AI 系統放進既有業務流程、並對結果負責的工程與產品人才。Forward Deployed Engineer、AI Builder、AI Agent Associate Specialist 這類新角色的出現，正是這個趨勢的具體訊號。

Talentverse 判斷：高確定性招聘的決策視窗

綜合半年數據，我們看到的不是 AI 人才需求的衰退，而是結構集中與短期波動並存。AI 基礎設施職位占比在近 7 天達到 77.8%，說明多數企業正在同一時間爭奪同一批具備平台工程、模型服務與全端交付能力的人才。Agent/RAG 雖然短期占比下降，但角色細分已經出現，30 天窗口若能回到 10% 以上，就會進入新一輪應用層爭奪。

企業最容易犯的判斷錯誤，是把近 7 天的發布量下滑當成市場降溫，因而放緩關鍵職位的招聘；另一個常見誤判，是繼續用演算法科學家的標準去評估現在最需要的 AI 工程師與基礎設施人才。Talentverse 認為，這一階段應該用 AI 原生人才策略重新排列優先順序：AI 基礎設施工程師、資料工程與治理人才、能將 Agent 系統產品化的應用工程師，都是任務關鍵型職位，值得用高確定性招聘的方式快速決策。市場波動越大，越要回歸 90 天與 180 天的結構訊號；誰能在別人猶豫時鎖定真正能交付的人，誰就能在下一輪需求回升時取得領先。