AI 基礎設施集中度上升，短期招聘收縮與資深化並存

招聘活動收縮，但市場基本面沒有破壞

過去 180 天樣本共 5,494 個職位，90 天與 180 天比值 0.9276，說明半年供需盤子仍穩定。但 30 天與 90 天比值 0.3234、7 天與 30 天比值 0.2288，表示最近一週只剩 377 個新職位，短期發布節奏明顯放緩。這不是需求消失，而是企業在 AI 投資進入交付階段後，更謹慎地開出職缺。

市場結構的變化比總量更值得注意。AI/演算法與數據合計在 180 天占 63.4%，但 7 天降到 57.0%；技術/工程職能則從 30 天的 19.5% 升到 7 天的 26.3%。也就是說，短期新增需求從模型與分析，明顯轉向工程實現。對企業而言，這代表 AI 招聘的單位不再是研究團隊，而是能把系統放進產品的人。

AI 基礎設施集中度上升的意義

AI 基礎設施主題的集中度是這份報告最強的訊號。180 天占 47.9%，90 天 50.3%，30 天來到 75.4%，7 天仍達 68.7%。平台、推理、模型服務類職位主導近期市場，說明團隊正在為大規模模型運算與服務穩定補人。這也意味著基礎設施工程師、推理最佳化與模型服務架構師，已是任務關鍵型職位。

基礎設施集中度上升的另一個意涵是：企業不再只把 AI 當作實驗，而是把它當作生產系統。無論是平台公司補數據測量與隱私職位，還是基礎設施廠商招聘售前方案架構師，都指向同一件事：AI 要能落地、能被收入團隊使用、能在客戶環境中部署。人才評估因此要更重視系統思維與跨部門協作，而非單純的模型能力。

Agent/RAG 正從研究走向產品交付

Agent/RAG 主題在 7 天回升到 15.6%，高於 180 天的 12.4% 與 30 天的 11.5%。更關鍵的是角色結構改變：近期新增職位包括 Product Engineer、Senior/Staff Software Engineer、MTS 智慧體工程師，顯示這類需求已從研究導向轉向產品與交付導向。公司要的不再是驗證可行性的研究員，而是能做出穩定、可維護的智慧體產品的人。

Agent/RAG 的工程化也改變了職能邊界。傳統數據平台職位在 7 天只剩 2.1%，遠低於 180 天的 7.6%；但數據類需求沒有消失，而是寄身在 AI 基礎設施與 Agent/RAG 職位中。招募時如果仍用「數據工程師」的舊框架找數據人才，很可能會錯過真正掌握這波需求的複合型工程師。

資深化與數據職位的重新定義

資深及以上職位在 7 天占 44.8%，高於 30 天的 35.4%、90 天的 36.8% 與 180 天的 36.6%。顯示企業在收縮期優先補充能獨立交付的高階人才，初階入口同時收窄。未來六個月很可能出現資深人才競爭加劇、初階人才機會減少的雙軌局面；公司若只按職缺數量配置招聘資源，容易在關鍵高階職位上輸給更果斷的競爭者。

Web3 基礎設施、錢包支付與交易基礎設施合計在 7 天只有 5 個職位，占 1.3%，低於 180 天的 3.0%。新樣本以商務與成長為主，核心研發仍然稀缺。這個板塊是否復甦，取決於能否出現真正由產品需求驅動的技術職位，而不是敘事型招聘。

Talentverse 判斷：高確定性招聘的時代

這份市場信號告訴我們：AI 與數據人才市場沒有萎縮，而是在重構。總量穩定、基礎設施集中、資深優先、Agent/RAG 產品化，這些現象共同指向需求從「廣撒網」轉向「少數關鍵職位高確定性補齊」。企業應該優先鎖定 AI 基礎設施、Agent/RAG 產品工程與資深數據科學家，並以實際交付能力作為人才判斷依據。

最容易誤判的地方，是把短期發布收縮當成需求衰退，或把職缺總數當成市場健康度。真正的訊號藏在結構裡：哪些職位正在集中、哪些能力正在從研究走向生產、哪些板塊仍然沒有實質需求。Talentverse 相信，高確定性招聘不是保守，而是在混沌期用人才研究與人才判斷，替前沿科技公司留住決定成敗的任務關鍵型人才。