Talentverse 研究洞察:數據類職位週度反超演算法,AI 基礎設施與商業化職位同步擴張
本報告基於 Talentverse 自研產品 Talent Signal 收集與整理的公開招聘訊號樣本,呈現對前沿科技人才市場的結構化觀察。
過去 180 天可觀測職位 6,324 個,招聘集中在近 90 天,90d/180d 為 83.5%;7 天發布節奏較上一版回升至 24.6%。AI 基礎設施在 7 天窗口維持 75.6% 的主導地位,但數據類職位以 34.5% 首度超過 AI/演算法的 32.6%。薪資強度 strong 的占比升至 87.0%,職級未標註比例仍為 63.8%。整體判斷是:AI 需求從演算法研究擴散到產品化、商業化與受監管數位資產服務,數據類反超仍需後續窗口驗證。
180 天可觀測職位
6,324
過去 180 天窗口內的有效職位樣本,其中 6,051 筆帶有發布時間,273 筆以收集時間回退。
90 天集中度
83.5%
90 天內出現職位佔 180 天樣本比例,顯示招聘集中在近三個月。
7 天/30 天發布節奏
24.6%
最新 7 天新增職位佔 30 天新增比例,較上一版 21.9% 回升。
半年窗口顯示招聘動能集中在近九十天
過去一百八十天的可觀測職位為 6,324 個,其中九十天內發布的有 5,280 個,三十天內有 1,682 個,最新七天有 414 個。九十天除以一百八十天的集中度為 83.5%,顯示大部分職位都在近三個月內釋出,而不是分散在整個半年。這對人才研究有直接影響:企業的當下用人意圖,應該從九十天內的職位變化去讀,而不是被半年前的舊職位干擾。
三十天佔九十天的比例為 31.9%,最新七天佔三十天的比例為 24.6%,相比上一版的 21.9% 回升。七天的樣本數也從上一版的 362 個增加到 414 個,顯示週度發布節奏沒有衰退,反而重新加速。對招募決策者來說,這代表關鍵職位的競爭窗口正在縮短,候選人市場的反應速度比以往更重要。
數據類職位週度反超:需要證據鏈確認的訊號
最新七天窗口出現一個值得注意的變化:數據類職位 143 個,佔 34.5%,首次超過 AI/演算法的 135 個與 32.6%。可是把窗口拉長到三十天與九十天,AI/演算法仍以 32.0% 與 33.5% 領先數據類的 30.7% 與 30.1%。這個對比說明,單週反超可能來自特定企業的批量發布,也可能反映資料工程與資料平台需求的真實上升。
若未來七到三十天,數據類職位繼續維持領先,企業的人才地圖就必須把資料平台、資料管線與資料治理放到與模型演算法同等重要的位置;若只是曇花一現,則應維持 AI/演算法優先的判斷。對招募決策者的啟示是,不要被單週數字牽動,而要建立連續觀察的證據鏈,用三十天與九十天的趨勢確認方向。
AI 基礎設施從研究驅動轉向產品化與商業化
主題結構的變化比職能反超更穩定。AI 基礎設施在過去半年佔 51.6%,九十天拉高到 58.4%,三十天與七天分別為 75.3% 與 75.6%。這個趨勢說明,市場上的 AI 職位多數已經不是論文式研究,而是平台、部署、產品化與整合工作。與此同時,Agent/RAG 主題從半年窗口的 12.1% 下降到最新七天的 9.4%,資料平台反彈到 5.6%。
企業可能正在把注意力從 Agent 原型轉向支撐原型的資料工程,這比單週職能占比更有意義。最新樣本也出現 Technical AI Product Manager、AI Creative、Growth Ops & AI Workflow Lead 等角色,顯示 AI 基礎設施的職位邊界已經擴散到產品、創意與成長營運。若招募策略只鎖定演算法工程師,會錯過 AI 落地最需要的跨職能人才;任務關鍵型職位的判斷,必須同時考慮技術深度與產品化能力。
Web3 與受監管數位資產:機構化補短板的開端
Web3 相關基礎設施依然低頻,但最新七天的占比小幅回升至 3.1%,高於半年平均的 2.9%。回升主要來自交易所商務拓展、錢包/支付與交易基礎設施,而不是核心協議研發;這表示企業補的是營運與交易能力,而非底層共識演算法。Web3 整體仍不構成主流需求,但結構訊號正在改變。
更值得留意的是受監管金融機構的動態。Goldman Sachs 招聘多鏈代幣化方向的高級工程師,Re7 Capital 招聘 Crypto/DeFi 高級法律顧問,Crypto.com 招聘資料分析師;工程、法務與數據同時出現,顯示機構化數位資產服務正在補齊合規與基礎設施短板。前沿科技公司若想進入受監管市場,就不能只有協議工程師,還需要合規、風險與資料能力同時到位。
薪資能見度上升,職級能見度仍限制人才判斷
薪資訊號的改善讓市場定價更具參考性。Strong 薪資佔比從半年的 80.5% 上升到最新七天的 87.0%,代表更多職位在描述中提供明確薪酬。但職級未標註的比例仍高達 63.8%,半年平均也維持在 63.5% 附近,薪酬分層解讀因此受限。
我們知道一個職位願意付多少錢,卻無法穩定判斷這個價格對應的是入門、資深還是管理責任。任何只憑薪資數字做出的市場判斷,都可能產生錯誤定錨。在此情況下,高確定性招聘必須回到職責範圍、決策權與可驗證成果,並以同一年度、同一職能與同一職級的基準進行比較,避免讓單一數字取代人才判斷。
Talentverse 判斷:高確定性招聘比追逐熱點更重要
Talentverse 認為,這份 Talent Signal 的核心訊息不是數據類反超演算法,而是 AI 招聘正從演算法研究驅動轉向基礎設施產品化與機構化服務驅動。數據類的週度領先可能是雜訊,也可能預告資料平台職位的戰略上升;企業若把資源全部押注單一熱門職能,容易在下一波需求轉移時失去彈性。
應優先關注的角色包括:能將模型轉化為產品的 AI 產品經理、能承接 Agent 與資料平台需求的資料工程師、以及能讓受監管數位資產服務落地的合規與工程複合人才。與其追逐短期標籤,不如以九十天內的真實職位需求為基礎,建立連續的人才判斷。任務關鍵型職位的招聘,在本質上是一場對證據與影響力的判斷,不是對熱門標籤的追逐;這正是高確定性招聘在當前市場中最重要的意義。
方法說明
本報告由 Talent Signal 產生,以公開職位觀測為基礎,窗口為 180 天,並拆解為 90 天、30 天與 7 天。樣本共 6,324 筆,其中 6,051 筆帶有發布時間,273 筆以收集時間回退;這是當前可見職位的歷史基線,不代表完整真實半年歷史。職能、主題與薪資等標註由分類模型給出,職級未標註比例仍高,短期窗口數據需謹慎解讀。
Talent Signal / v33 / 2026-08-19