全球AI與數據人才市場：AI基礎設施需求升至77%，數據類職位短期領先

全球AI與數據人才市場進入基礎設施主導期

過去180天，可觀測的全球AI與數據相關職位總量達到5930個，其中近90天發布的佔比達87.7%。這個數字說明招聘活動仍然高度集中在最近三個月，市場對技術人才的渴求並未消退。不過，與上一期相比，90天/180天的比值從91.0%下降至87.7%，意味著更早期的職位在樣本中的比例有所上升；同時7天/30天的比值從24.2%回落至22.3%，顯示短期發布節奏在高位基礎上出現小幅放緩。對企業而言，這不是市場轉冷的信號，而是節奏調整的訊號——在總量維持高檔的背景下，真正稀缺的關鍵職位仍然需要主動出擊。

從職能結構來看，AI/算法、數據、技術三類職位的合計佔比在180天內達到82.3%，7天內更升至83.8%。值得注意的是，7天窗口內數據類職位佔比達到35.1%，首次超過AI/算法的33.2%，成為最新一周最大的單一職能。這個反轉具有指標意義：過去企業優先追逐模型算法人才，現在數據工程與數據分析的需求正在迅速補位，反映出AI落地從模型試驗走向生產環境時，數據基礎設施的瓶頸開始主導人才需求。

AI基礎設施需求77%：從模型開發轉向工程落地

主題集中度是這次研究中最鮮明的訊號。AI基礎設施相關職位佔比從180天的49.9%一路攀升至90天的54.4%、30天的74.9%，再到7天的77.0%。新增職位集中在ML推理平台、物理AI、存儲與數據管道等具體工程領域，而不是泛泛的AI開發。這代表企業的AI投資已經從概念驗證進入規模化部署階段，模型訓練完成之後，推理效能、平台穩定性、數據流動效率成為競爭焦點。

對招募團隊來說，這意味著人才評估維度必須跟著轉變。過去看候選人是否有深度學習或自然語言處理的研究經驗，現在更應該看重系統設計能力、分佈式運算經驗、以及對MLOps工具鏈的熟悉程度。AI基礎設施工程師與其說是AI科學家，更像是兼具軟體工程與機器學習知識的系統架構師。這樣的人才難以在短期內量產，更需要以高確定性招聘流程提前鎖定。

Agent/RAG降溫與數據類反超：需求結構正在切換

Agent/RAG主題的變化同樣值得關注。這個主題在180天內維持12.3%的佔比，但7天內降至9.3%，相較上期7天的15.3%明顯回落。值得注意的是，AI Solutions Builder、Agent Systems評估、Agentic AI工程等職位仍在新增，說明市場並未放棄Agent，只是熱度從研究探索轉向解決方案交付。企業需要的不是寫論文的Agent研究者，而是能把RAG、工具調用、工作流整合進產品的人。

與此同時，數據類職位的短期反超印證了需求結構的切換。7天內數據類佔比35.1%，超過AI/算法的33.2%，但拉長到180天，AI/算法仍以34.5%領先數據類的29.2%。也就是說，短期數據需求爆發，背後是企業正在加速清理數據管道、建設數據平台，以支撐AI模型的落地與迭代。如果這種趨勢延續，企業的人才策略需要從「重算法輕數據」轉向「算法與數據並重」。

金融機構與遠端招聘：企業級AI落地的新模式

新增樣本中，金融機構的動向提供了重要啟示。AWS招聘面向資本市場和銀行的AI行業專家，JPMorgan的Kinexys科技團隊招聘數據Lead Solutions Analyst，嵌入式支付產品行銷崗位同步出現。這三個角色分別對應行業知識、數據平台與產品推廣，顯示金融領域的AI投入已經從單點實驗轉向多層次的平台化建設。對服務金融客戶的科技公司而言，具備金融知識與AI技術的複合型人才將成為下一波爭奪焦點。

另一個常態化趨勢是遠端與跨區域招聘。美國遠端儲存工程師、巴西遠端Analytics Engineer、東京生成式與Agentic AI研究員、曼谷數據工程師（含relocation）同時出現在新增樣本中，說明人才獲取已經不再局限於單一科技中心。遠端優先與僱傭本地化並行的模式，一方面擴大了人才供給池，另一方面也加劇了全球性的薪酬競爭。企業需要重新設計遠端協作機制與薪酬框架，才能在跨時區的候選人競爭中勝出。

薪酬透明化與人才評估的新挑戰

薪酬披露的透明度在本期持續改善。帶有明確薪資信號的職位佔比從180天的80.3%上升至近7天的87.4%。對求職者來說，薪資範圍公開降低了資訊不對稱，比價變得更容易；對企業來說，薪酬透明化意味著過去靠資訊落差壓低薪資的空間消失，必須提前制定有競爭力的薪酬框架。與此同時，未標註職級的職位佔比在7天內達到67.1%，高於180天的63.6%，顯示企業在職級定義上仍然較為模糊，這會增加人才評估的難度。薪酬透明與職級模糊並存，恰好說明了招聘流程需要更嚴謹的判斷框架，而不是單看頭銜。

Talentverse判斷：高確定性招聘成為勝負手

綜合這次研究的各項訊號，Talentverse認為，全球AI與數據人才市場正在經歷一次結構性轉向，而不是短期波動。AI基礎設施需求佔比達到77%，數據類職位反超算法職位，Agent/RAG從研究轉向交付，金融機構與遠端招聘同步擴張——這些變化共同指向一件事：AI的競爭已經從模型能力轉向工程化落地能力。企業若繼續以傳統思維追逐明星算法人才，很可能忽略數據工程、ML平台與推理優化這些真正決定成敗的關鍵職位。同樣值得警惕的是，市場集中度不斷提高，可能讓部分企業過度押注單一熱點，而低估了基礎設施人才建設所需的長期投入。在這種環境下，高確定性招聘不再只是口號，而是企業必須建立的核心能力——以深度人才研究、嚴謹評估與快速決策，確保每一個任務關鍵型職位都找到對的人。