全球 AI 基礎設施招聘主導地位強化，Agent 交付與加密資產合規升溫

招聘活動收縮，但不是關鍵崗位需求消失

截至 2026 年 8 月 28 日，Talent Signal 的可見職缺樣本達到 6,919 個，相較上期 6,712 個淨增 207 個。表面上看市場仍在擴張，但短窗口的發布節奏其實略有放緩：7 天內發布職缺占 30 天內發布職缺的比例從 25.7% 回落到 24.2%，30 天占 90 天的比例則從 31.7% 微升到 32.6%，90 天占 180 天的比例從 79.4% 降到 78.1%。換句話說，總量成長主要來自較早窗口的持續可見，而非需求突然加速。對企業而言，這代表不應該用一兩週的職缺數量變化來判斷市場冷熱，更不應該因為短期數字收縮就凍結關鍵招聘。

從職能結構看，AI/演算法仍是第一大職能，7 天窗口占 39.4%，數據占 29.3%，技術占 15.5%；30 天與 90 天窗口的結構也維持在 AI/演算法 33% 至 34%、數據 29% 至 30% 的區間。值得注意的是，數據類職缺在 7 天窗口的占比明顯高於上期的 24.0%，顯示數據工程與分析職位並非配角，而是與 AI/演算法並行的第二引擎。這對人才判斷的意義在於，前沿科技公司不能只搶模型人才，若數據管線、特徵工程與分析基礎不夠扎實，AI 產品的落地速度會直接受限。

職級與薪資的資訊組合仍然特別。7 天窗口有 89.2% 的職缺提供明確薪資訊號，但未標註職級的比例仍達 68.3%，雖較上期 70.2% 小幅改善，卻依然意味著我們無法精確區分高階與初階需求。高薪資披露、低職級透明的現象，代表市場願意用薪資吸引人才，卻不願意清楚定義職級框架。這也提醒招聘決策者，單看職稱與薪資區間不足以下定論，必須搭配任務成果與團隊階段來判斷一位候選人是否真的適合關鍵職位。

AI 基礎設施仍然主導，人才結構更集中

AI 基礎設施主題的集中度在本期進一步增強：7 天窗口占 79.6%、30 天占 74.4%、90 天占 63.5%、180 天占 53.7%，普遍高於上期。職缺關鍵詞集中在 platform、inference、storage、retrieval，顯示企業的招聘主引擎仍是 AI 平台與基礎設施工程，而非單一的模型訓練職位。這個訊號很明確：AI 競爭已從「誰能把模型做出來」進入「誰能把模型穩定、便宜、安全地跑起來」的階段。對任務關鍵型人才而言，具備分散式訓練、推理服務、儲存與檢索經驗的工程師，正處於前所未有的高需求狀態。

數據平台主題的占比雖然在 7 天窗口只有 3.5%，但 180 天窗口達到 6.8%，長期表現比短期更突出。這說明數據平台職缺的發布節奏相對平緩，不是脈衝式需求，而是穩定的第二梯隊。安全、審計與合規職能則在小幅走強，30 天窗口占 7.7%，高於上期的 7.2%。AI 風險與加密貨幣合規成為兩個新的增長點，意味著企業開始意識到，技術能力再強，若沒有風控與合規人才支撐，進入受監管市場的門檻就會很高。

從模型研發到 Agent 交付與治理

Agent/RAG 主題在 7 天窗口占 9.4%，30 天 11.1%，90 天 11.7%，180 天 11.9%，占比穩定。但更值得關注的是內涵變化：新增樣本中出現 Forward Deployed Product Manager - AI Agent、AI Business Engineer（Agent 交付方向）、Staff Machine Learning Engineer Agent Eval Platform、Agentic Systems 工程師，以及 AI Legal Specialist、Business Risk & AI Automation 等職位。這代表企業正在為 Agent 的評估、部署、合規與業務自動化單獨設崗，AI 招聘的邊界從模型研發向產品化與治理延伸。

這對招聘策略的影響很深。傳統上判斷 AI 人才會看論文、模型設計與訓練經驗，但 Agent 交付職位更看重系統整合、評估機制、部署流程與客戶情境。同一個人可能在模型研發上很強，卻不一定具備把 Agent 放進生產環境、處理失敗案例與跨部門協作的經驗。企業若仍用舊標準評估這類人才，很容易把「會做模型」誤判為「能交付 Agent」。高確定性招聘的關鍵，是先定義 Agent 交付的任務成果，再回頭尋找具備對應能力的候選人。

加密資產合規與中國團隊的季節性訊號

數位資產相關的 Web3 基礎設施、交易基礎設施與錢包/支付主題，合計僅占 7 天職缺的 1.2%、30 天 2.0%、90 天 2.2%、180 天 2.9%，絕對量仍然很低頻。但結構上出現明顯的合規化傾斜：Aave Head of Risk、Chainalysis Head of Policy、Senior Smart Contract Auditor、加密貨幣取證調查與錢包/支付客戶成功等職位並存。這說明數位資產行業對風險、政策、審計與機構服務的需求，比純開發職位更穩定。對於考慮進入這個領域的新經濟團隊，風險與合規人才應該提早布局，而不是等監管壓力出現才開始找人。

中國科技團隊的訊號則需要分開解讀。螞蟻集團的基模演算法工程師、AI Infra 工程師、大數據開發工程師、2027 校招 AI 編譯器工程師與具身大模型訓練框架工程師等職缺集中出現，覆蓋基模、訓練框架、端側部署與數據工程。這些職缺與校招及秋招週期高度重疊，短窗口占比可能被季節性放大。跨國企業在比較全球 AI 人才需求時，應把校招與常態性關鍵職位分開看待，否則容易把季節性投入誤判為結構性擴張。

Talentverse 判斷：高確定性招聘的窗口

綜合本期 Talent Signal，AI 基礎設施主導的招聘結構已經相當可靠，Agent 交付與治理、數位資產合規則是最值得觀察的下一波方向。短期發布節奏雖然略有放緩，但 30 天與 90 天的職能結構並未鬆動，關鍵職位的需求並未消失。企業真正該做的，不是追逐短期的職缺數字，而是以人才研究為基礎，把 AI 基礎設施、數據工程、Agent 交付與風險合規列為優先序列，並為每一個關鍵職位定義清楚的任務成果與評估標準。

最容易誤判的地方有兩個。一個是只看短窗口的職缺數量，忽略歷史衰減與校招季節性對數字的干擾；另一個是沿用模型研發的標準來評估 Agent 交付與治理人才，忽略了系統整合與風險判斷的複雜度。Talentverse 認為，前沿科技公司與新經濟團隊現在最需要的是高確定性招聘：先確認哪些職位是任務關鍵型，再以市場證據與深度人才判斷縮小搜尋範圍，最後用結構化評估驗證候選人是否能解決真實問題。這不是把招聘變慢，而是把資源集中在真正決定勝負的關鍵職位上。短期發布節奏放緩的此刻，正是企業校準人才策略、提前鎖定關鍵人才的最佳窗口。