AI 基礎設施主導全球人才需求，資料類職位短期反超：Talentverse 人才研究洞察

招聘活動集中，但關鍵需求沒有消失

180 天可觀測職位總數為 6,117 個，其中 5,243 個集中在近 90 天，佔比達 85.7%；30 天與 7 天分別為 1,651 個與 362 個。從節奏看，7 天相對 30 天的發布比例約 21.9%，略低於均勻分布，但絕對數量仍處高位。對前沿科技公司來說，這不是市場冷卻的訊號，而是招聘活動越來越集中在「決策可以被快速驗證」的短窗口內。關鍵職位一旦釋出，有效判斷時間往往只有幾週，而不是幾個月。

另一個值得留意的結構特徵是職能高度集中：AI／演算法、資料、技術三類職位在 180 天合計佔 82.2%，90 天、30 天與 7 天也分別維持在 81.9%、82.6% 與 82.0%。換句話說，全球前沿科技需求仍由技術與產品人才主導，其他職能的擴張還沒有改變這個基本盤。對 HR 與用人主管而言，這意味著人才研究的資源應該優先放在這三條主線上，而不是被短期熱門關鍵字帶著走。

AI 基礎設施主導，資料類職位在最新一週反超

AI 基礎設施主題的佔比從 180 天的 50.9% 一路升至 90 天的 56.4%、30 天的 75.5%，再到 7 天的 76.2%。這條斜率說明企業的 AI 投資重心已經從模型能力本身，轉向能支撐規模化營運的資料中心、平台、資料管線與企業級控制面。單純會訓練模型的人才，已經不足以解決落地問題；企業更需要能讓 AI 在真實環境中穩定運作的人。

短期排序的變化更明顯。最新一週資料類職位佔 39.0%，反超 AI／演算法的 29.8%，成為最大職能；新增角色包括 AI Data Engineer、Alliances Analytics、IT Analytics 與 Customer Engagement Analytics。這不是 AI 需求轉弱，而是資料工程與衡量能力在 AI 落地階段被加速補齊。對招聘策略的啟示是，資料角色不該被視為 AI 團隊的周邊支援，而應與 AI 基礎設施工程師一起放進任務關鍵型人才的優先清單。需要注意的是 7 天樣本只有 362 個，佔 180 天的 5.9%，短期排序仍要等待後續窗口確認。

Agent 降溫的真正含義：從建置轉向交付與評估

Agent/RAG 主題從 180 天的 12.2% 降至 7 天的 8.8%，表面上是 Agent 職位減少，但更合理的解讀是企業正在把資源從「新增 Agent 專案」轉向「讓已建置的 Agent 系統可以被評估、整合與穩定交付」。資料中也出現跨區域的 Agentic AI 技術導師與企業級 AI Specialist，這類角色不負責模型研究，而是負責把 AI 能力放進客戶的營運流程。

對人才判斷而言，這是一個重要的訊號：Agent 相關職位的職責邊界正在從「做模型」擴大到「做系統」。評估候選人時，企業應該更看重端到端的部署經驗、評估方法、工具調用與跨系統整合能力，而不是只看論文或模型競賽成績。若組織仍用舊的 AI 研發框架去看 Agent 人才，很可能低估真正能完成交付的人，也高估只會做原型的人。

商業化與受監管服務成為新的人才補給區

AI 基礎設施企業開始出現企業級 AI Specialist、平台與 AI 銷售負責人、金融服務銷售負責人，以及 AI 導師等角色；這代表「造產品」的階段正在讓位給「賣產品、教客戶、陪落地」的階段。銷售與客戶成功不再是傳統業績壓力，而是 AI 價值能否被客戶真實採用的關鍵環節。對前沿科技公司而言，具 AI 語境的解決方案架構師、客戶成功與技術導師，會是下一波值得提前布局的職位。

Web3 相關基礎設施職位在 180 天合計約 2.9%，7 天約 2.2%，仍是低頻訊號；但新增角色集中在支付、錢包、合規與機構銷售，例如 Coinhako 的支付與錢包高級後端、Revolut 的 Crypto 合規經理、MoonPay 的機構客戶經理。這表示受監管的數位資產服務正在補工程與合規短板，而不是擴張核心協議研發。若企業在相關領域需要任務關鍵型人才，優先評估具合規意識、支付基礎設施與機構服務經驗的人，會比追逐協議創新光環更可靠。

Talentverse 判斷：把高確定性招聘放在 AI 落地全鏈路

這份訊號的核心不是 AI 職位變少，而是 AI 需求從模型能力轉向基礎設施、資料、商業化與人才教育的連續過程。任務關鍵型人才的範圍正在擴大：AI 資料工程師、企業級 AI 平台工程師、具 AI 語境的商業化角色，以及能評估 Agent 系統的技術領導者，都應該進入高確定性招聘的優先序列。最容易出現的誤讀是，把資料類職位的短期反超當成 AI 退潮，或把 Agent/RAG 的佔比下滑當成 Agent 不再重要；事實正好相反，企業真正需要的是能把 AI 放進營運流程的人。

尤其在窗口訊號複雜、薪資披露改善但職級資訊仍不完整的環境下，用數量或關鍵字取代人才判斷的風險會放大。Talentverse 認為，高確定性招聘的價值不在於追蹤每一筆即時需求，而在於對少數關鍵職位做深度人才研究、交叉驗證與情境判斷。對前沿科技公司與新經濟團隊來說，誰能更早把 AI 基礎設施、資料工程與交付評估人才放進同一套人才系統，誰就能在下一階段取得結構性優勢。