AI 基礎設施職位集中度升至 76%，企業級交付與具身 AI 數據工程同步擴張

市場收縮與擴張並存：6,712 個職位透露的結構

截至 2026 年 8 月 25 日，可觀測的 180 天職位樣本為 6,712 個，較上一版增加 186 個。短期發佈密度指標 7d/30d 從 22.6% 回升至 25.7%，但 90d/180d 從 81.6% 回落至 79.4%。這意味著最近一週的職位發佈更密集，而落在 90 至 180 天前的職位可觀測比例正在下降。對人才研究而言，不能把短窗口的集中度直接解讀為需求加速，因為早期樣本衰減會放大近期數字的視覺效果。比較穩妥的做法是同時看 30d/90d 的 31.7%，確認中期銜接是否成立。

在職能結構上，AI/演算法在 7 天窗口佔 40.9%，數據類佔 24.0%，技術類佔 14.5%；到了 180 天窗口，AI/演算法仍佔 34.6%，數據類佔 29.0%。7 天內 AI/演算法與數據類的差距達 16.9 個百分點，遠高於 180 天的 5.6 個百分點。這種短窗口差距擴大，部分來自校園招聘集中發佈與 AI 產品化職位補量，也反映團隊正在用最直接的方式補足演算法與數據人力。關鍵不在於哪一個百分比較高，而在於短窗口的結構變化是否能在 30 天與 90 天窗口中被複製。

AI 基礎設施仍是主引擎，但需求正在往交付端移動

AI 基礎設施主題在 7 天佔 76.2%，30 天 75.0%，90 天 61.9%，180 天 53.0%。窗口愈短，佔比愈高，說明平台、推理、部署、DevOps 等基礎設施職位仍是當前招聘的主引擎。Agent/RAG 在 7 天佔 7.6%，低於 180 天的 11.9%，但絕對數量仍有 33 個；數據平台在 7 天佔 3.5%。這類短期集中度不代表應用層需求消失，而是基礎設施投入的節奏更快。

值得注意的是，新增職位中出現企業級 AI 交付角色，例如同一家交付商同時招聘 Azure DevOps 與 AWS Bedrock 解決方案工程師，GitLab 出現 AI Transformation Owner，EverAI 增加 AI Legal Specialist。需求關鍵字從 LLM/RAG 延伸到 enterprise、solution、deployment 與 workflow，代表企業招聘正從模型研發階段，走向把模型放進生產環境、客戶流程與治理架構的階段。對任務關鍵型人才判斷而言，這意味著除了模型能力，候選人對部署環境、成本控制與合規邊界的理解，正在成為評量重點。

具身 AI 與數據工程：從演算法預研轉向基礎設施投入

最新樣本中集中出現具身大模型訓練框架工程師、大模型訓推平台開發工程師、車機 AI 演算法工程師（大模型/多模態/端側部署）、高級數據工程師（座艙 AI）。這些職位把訓練框架、推理平台與端側部署放在同一個招聘要求中，顯示機器人與車機團隊正從演算法預研，進入訓練與推理基礎設施、數據工程的實質投入。由於部分職位與 2027 年校園招聘混合發佈，持續性仍需觀察；如果這些職位在下一季轉為常設職缺，硬體與數據工程需求就會成為更明確的訊號。

同一時期，安全、審計與合規職能的佔比保持穩定，7 天 7.4%、30 天 7.2%、90 天 7.1%、180 天 6.0%。受監管機構與一般企業同時補充 Head of Compliance、Senior Audit Analyst、Staff Applied Scientist, Trust 等角色。Web3 相關主題合計仍屬低頻，7 天 2.5%、180 天 2.9%，但合規與信任角色的存在，說明受監管場景的人才需求並未收縮。數據工程與信任角色的共同點是，它們都直接影響 AI 系統能否被長期、安全地運行，因此應該被放入關鍵職位清單。

人才判斷的雜訊：職級標註與樣本衰減

目前訊號品質有兩點需要留意。第一，職級標註缺失率在 7 天窗口達 70.2%，高於 180 天的 64.0%；薪資披露率雖高，7 天為 86.1%，但多為區間或標籤，無法直接轉換為職級判斷。這個組合意味著，高階職位的短期增減帶有較大雜訊。人才研究在解讀「高級職位增加」時，應該輔以職稱關鍵字、薪資區間、團隊角色與交付範疇進行交叉驗證。

第二，樣本衰減的問題依然存在。90d/180d=79.4%，代表 180 天窗口內約 20% 的職位落在 90 至 180 天前，而早期職位的可觀測性無法保證。因此 7d/30d 回升至 25.7%，較能反映近期發佈密度上升，而不是需求曲線突然變陡。此外，最近兩天出現少量 research participant / 眾包式 AI 數據採集職位，雖然絕對量小，但顯示 AI 訓練數據供應鏈也在以非傳統僱用方式補位，這會對職位分類與人才供給的解讀帶來新的不確定性。

Talentverse 判斷：高確定性招聘的優先序

綜合長短窗口的數字，前沿科技公司的招聘主線仍是 AI 基礎設施與 AI/演算法人力，但企業級 AI 交付、具身 AI 數據工程、信任與合規角色，正在成為下一階段的高價值職位。對公司而言，最容易誤讀的是把短窗口集中度當成加速訊號，因而過度擴張；或者忽略交付與治理角色，導致模型上線後缺乏可維護性與合規邊界。Talentverse 認為，高確定性招聘的關鍵不是追逐最多的職位，而是判斷哪些職位會持續影響產品核心效能與系統穩定。AI 基礎設施工程師、具身 AI 的訓練框架與數據工程角色、企業級交付與合規負責人，都是值得優先投入的關鍵職位。

這份觀察同時說明，職位數量與職位結構是兩種不同的訊號。6,712 個樣本中，AI 基礎設施在 180 天佔 53.0%，代表長期結構並未偏離主線；而 7 天 76.2% 的集中度，則反映當下投入節奏更快。兩者並存，意味著人才策略不能只按照最新職位分佈行動，而應該以長窗口判斷結構，以短窗口調整節奏，再用職級、薪資與交付範疇校準每一次高階決策。當市場雜訊偏高時，高確定性招聘的價值就在於用方法論取代猜測，為任務關鍵型職位找到真正能交付結果的人。