全球 AI 人才市場進入平台期：基礎設施與交付型人才成為關鍵變數

全球 AI 與數據人才市場進入平台期

過去 180 天可觀測的全球 AI 與數據人才市場，呈現總量穩定、節奏先收縮後回溫的狀態。納入分析的 5,753 個職位中，90 天內發布的有 5,234 個，90d/180d 為 0.9098，說明可觀測職位集中在近 90 天；這不代表市場突然收縮，而是早期職位可能已下線或未被完整採集。更值得注意的是 30d/90d 為 0.3105，顯示中期發布明顯放緩；7d/30d 為 0.2418，高於上一周期的 0.2288，近一周出現回溫。對前沿科技公司而言，這個組合意味著不應因單周數字改變年度招聘計畫，但可以開始針對關鍵職位重新啟動高確定性招聘。

從職能結構看，AI/演算法、數據、技術三類在 180 天占 82.3%，在 7 天占 84.4%；7 天的 393 個職位中，AI/演算法 138 個、數據 116 個、技術 78 個。這顯示短期發布更向 AI/演算法集中，但數據與技術角色並未消失，而是大量以 AI 基礎設施的形態出現。Web3 相關基礎設施仍是邊緣信號，180 天合計約 3.0%，7 天降至 1.5%，新增角色以社群、開發者關係與支付商務為主，核心研發稀少。對任務關鍵型人才判斷而言，真正重要的不是職稱，而是這個職位在支撐模型能力、數據平台，還是產品交付。

AI 基礎設施成為短期需求主軸

AI 基礎設施是本次報告最明確的結構信號。這類職位在 180 天占 49.2%，90 天升至 52.4%，30 天達 74.4%，7 天仍為 72.3%。也就是說，近期每四個職位中約有三個與模型平台、推理優化、MLOps 或數據管道相關。這個比例上升不代表企業只要平台工程師，而是反映 AI 從模型競賽走向穩定落地：企業已經有模型，但缺少能讓模型高效推理、持續迭代、與業務系統整合的人才。

數據類職位的變化支持這個判斷。傳統數據平台職位占比從 180 天的 7.4% 降到 7 天的 2.8%，開發者工具從 3.4% 降到 0.8%；同時間數據工程師與 ML 工程師更多以 AI 基礎設施形態出現。同時，明確薪酬披露占比從 180 天的 80.2% 升至 7 天的 83.5%，薪資信號更透明，也讓高確定性招聘的期望值管理更有依據。對技術與產品人才招聘來說，評估候選人時不能只看職稱，而應確認他是否具備端到端系統思維；推理優化與 MLOps 人才直接決定 AI 應用的成本、延遲與可維護性，是任務關鍵型職位中最容易被低估的一群。

Agent/RAG 與企業級 AI 從研究走向交付

Agent/RAG 主題保持韌性，但角色性質正在改變。180 天占比為 12.4%，7 天回升到 15.3%；新增職位中出現 AI 產品移動端研發工程師、AI Solutions Director、Agentic AI Harness 與 Quality ML 工程師等角色，顯示需求從研究型實驗轉向產品工程與交付。換句話說，企業不再只問模型能不能做到，而是問 Agent 能不能穩定放進產品流程並被品質系統管理。

企業級 AI 解決方案職位在新增樣本中明顯增加，包括 AI Solutions Architect、AI Solutions Engineer、Forward Deployed Engineer 等。這些角色代表客戶需要的不是單一模型，而是能與現有系統整合、能面對真實業務場景的落地能力。對前沿科技公司而言，這類交付型人才將是 AI 應用能否規模化的瓶頸。人才判斷上，除了技術深度，還要評估候選人對客戶場景的理解、跨團隊協作能力，以及在模糊需求中建立可執行方案的判斷力。

資深與高複雜度職位仍是關鍵少數

資歷分布沒有出現高階化大幅升高，但高複雜度職位持續被補充。7 天非入門級職位占比為 35.1%，與 30 天的 35.0% 基本持平；7 天 staff 與 architect 占比卻達 10.7%，高於 30 天的 7.1%。這代表企業在中期收縮時仍願意為高複雜度角色保留名額，尤其是 Staff ML Engineer 與 Agentic App Platform 相關職位。這些角色往往決定一個 AI 團隊的技術天花板，也因此成為高確定性招聘的重點。

需要注意，短期樣本只有 393 個職位，staff/architect 比例上升可能帶有統計噪音。比較穩健的解讀是：市場對資深人才的需求並未消失，但判斷標準變得更嚴格。過去靠職稱與年資就能通過的履歷，現在必須展示具體的系統設計、模型落地與跨團隊影響力。對新經濟團隊來說，與其大規模招人，不如把資源集中在少數能同時承擔技術決策與人才培養的任務關鍵型人才。

Talentverse 判斷：高確定性招聘勝過追逐熱點

Talentverse 的判斷是，全球 AI 與數據人才市場沒有萎縮，而是進入平台期後的結構換擋。短期發布集中在 AI 基礎設施，不代表其他職位不再重要，而是企業正在重新定義哪些職位真正影響業務結果。接下來 6 到 12 個月，最值得優先投入的關鍵職位包括推理優化、MLOps、Agent 產品工程、AI Solutions 與 Forward Deployed Engineering。這些角色不像模型研究那樣容易被新聞關注，卻直接決定 AI 能否從 Demo 變成穩定服務。

企業最容易誤讀的兩個現象，一是把短期發布節奏放緩視為需求下降，二是因 AI 基礎設施占比上升而忽略數據平台與開發者工具的長期價值。前者會導致回暖時來不及建立團隊，後者會讓 AI 系統在規模化時缺乏底層支撐。真正有效的做法是以 AI 原生人才策略鎖定任務關鍵型人才，用高確定性招聘深入判斷候選人能否解決這個階段最困難的問題。當所有人都追逐同一個熱點時，能清楚定義關鍵職位並用證據與場景驗證人才的團隊，才會在下一波競爭中取得優勢。