AI 基礎設施主導延續，短窗口動能、資料職能與薪酬揭露仍需校準

長期熱度仍在，短期動能偏薄

截至 2026 年 9 月 12 日，這份人才市場樣本涵蓋 180 天內 7,457 個職位，其中近 90 天貢獻 4,942 個、近 30 天 1,405 個、近 7 天 88 個。90 天對 180 天的比值為 0.6627，意味著半年樣本約三分之二集中在最近三個月，市場活躍度並非衰退，而是重心明顯靠後。對前沿科技公司而言，多數可觀察的關鍵職位仍在近期流通，人才研究與人才判斷的時效性很高，但六個月前的歷史基線參考價值相對有限。

真正需要留意的是短窗口。30 天對 90 天為 0.2843，接近但仍低於按天均勻分布的水準；7 天對 30 天只有 0.0626，約為 6.26%，明顯低於均勻分布下應有的約 23%。這個落差有兩種解釋：一是採集覆蓋在最近一週偏薄，二是需求邊際轉弱。9 月 11 日至 12 日仍有 52 筆新事實進入樣本，顯示採集並未中斷，但單週 88 個的絕對量確實不足以支撐任何結構性結論。

對招聘決策的意涵很直接：短窗口的佔比變化只能用來觸發觀察，不能用來調整職位優先順序。企業若因為一週的資料波動就重新排序關鍵職位，很容易在下一窗口被推翻；更合理的做法是把 90 天與 30 天趨勢當作人才策略主軸，把 7 天數據當成訊號雷達。

AI 基礎設施的主導地位與短窗口分散化

AI 基礎設施仍是最大主題，而且領先幅度非常大。它在 180 天、90 天、30 天分別有 4,047、3,526、1,018 個職位，佔比 54.3%、71.4%、72.5%，在 7 天仍有 45 個、佔 51.1%。中長窗口超過七成的集中度說明，前沿科技招聘的資源正流向平台、工具鏈、推論與工作流基礎層，而不是平均分散在各個應用方向。

但 7 天佔比回落到 51.1%，同時「其他」主題升至 18 個，顯示短窗口結構更分散。這不代表 AI 基礎設施主線鬆動，更可能反映小樣本下主題分布的自然擺動；然而它提醒招聘主管，基礎設施人才池的競爭不會因為單週數據而降溫，反而因為供給有限而更需要在早期完成人才判斷。

就人才策略而言，AI 基礎設施職位往往具備高門檻、長上手期與高替代成本三個特徵，屬於典型的任務關鍵型人才。這類職位一旦延誤，會直接影響模型交付節奏與產品路線，因此不適合用一般職位的招聘週期來管理，而應以高確定性招聘的方式，提前完成市場測繪與候選人關係建立。

資料職能的異常收縮說明了什麼

資料職能在中長窗口非常穩定：180 天 2,104 個、90 天 1,398 個、30 天 367 個，佔比 28.2%、28.3%、26.1%，始終維持四分之一以上，與 AI／演算法（2,561、1,688、506 個）和技術職能（1,357、853、227 個）共同構成三大主體。相較之下，資料職能在 7 天只有 5 個、佔比 5.7%，與長窗口形成強烈反差，同時 AI 基礎設施與 Agent 工程仍持續擴張。

這種反差的規模足以讓任何結構性結論失效。若資料職能真的被 AI 大規模替代，理應在 30 天與 90 天同步走弱，而不是只在 88 個樣本的單週窗口崩塌。因此更合理的判斷是採集覆蓋在短期偏薄，導致資料類職位未被充分收錄，信心水準應維持在低檔，並等待下一期確認是否修復。

對企業的實務意涵是，不要因為一週的資料訊號就放緩資料平台、資料治理與分析職位的布局。當 AI 基礎設施與 Agent 工程擴張時，資料品質、特徵管線與評估機制往往成為落地瓶頸，資料職能的實際需求可能被低估而非高估。

Agent/RAG 與跨職能 AI 落地的穩定化

Agent/RAG 是本期最穩定的主題之一：180 天、90 天、30 天、7 天佔比分別為 12.1%、11.3%、11.1%、11.4%，幾乎不隨窗口波動。新進入的樣本包含 Agent Builder、Agent/RAG 商務角色與軟體工程職位，以及企業級多智能體框架相關崗位。這組合顯示該方向已從概念熱度轉為具備工程、平台與商業配套的穩定職位族。

另一條線是 AI 落地與交付角色的跨職能擴散。新樣本出現公共部門與銷售側的 Analytics & AI Account Executive、HR AI & Automation Operations Lead、Applied AI Application Engineer，以及聯邦方向的 AI-FDE。這些職位不在演算法研究範疇，而是把 AI 能力嵌入銷售流程、人力運營、公共部門與客戶交付，說明新經濟團隊正以業務場景而非技術分類配置人才。

對關鍵職位的啟示是，前進部署與解決方案型角色的價值正在上升。這類人才需要同時理解模型能力邊界與客戶流程，市場供給稀少，招聘判斷難度高，一旦錯判會直接反映在客戶採用速度上。企業若仍以傳統軟體工程或顧問職級的標準來評估這類角色，很可能錯過真正能推動落地的人。

Talentverse 判斷

這份樣本最重要的訊息不是總量，而是結構：AI 基礎設施在 90 天與 30 天佔 71.4% 與 72.5%，Agent/RAG 穩定在 11% 至 12%，AI 落地角色向銷售、人力與公共部門擴散。這意味著前沿科技公司的關鍵職位正從「研究模型」轉向「把模型變成可交付系統」，人才判斷的重心也應同步位移。

優先順序上，Talentverse 認為 AI 基礎設施與平台工程、Agent/RAG 工程與評估、前進部署與解決方案架構應列為第一梯隊；資料平台與資料治理不應因為單週 5.7% 的異常數字而降級，反而要因為落地瓶頸而維持甚至提高投入。數位資產相關的 Web3 基礎設施、風控合規與錢包支付在 7 天佔比升至 5.7%、4.5%、1.1%，但對應絕對量只有 5 個與 4 個，只能作為細分觀察，不足以支撐全面布局。

企業最可能誤讀的地方有三個：把單週樣本當成趨勢、把佔比下降當成需求消失、把稀缺職位當成可以慢慢招的一般職位。薪酬資料的缺口讓誤判風險更高——7 天有 52.3% 的樣本沒有強薪資訊號，而 30 天、90 天、180 天僅 18.6%、17.7%、20.0%，在這種資訊條件下做薪酬對標，很容易高估或低估候選人的合理區間。

職級結構方面，未標示職級在四個窗口都約 64%，senior 從 17.2% 降至 13.6%，staff 在 7 天升至 9.1%、head 升至 3.4%。這可能反映高階交付與負責人角色增加，但 88 個樣本下不宜過度解讀。任務關鍵型人才的稀缺性並未下降，高確定性招聘的價值正是在雜訊中維持判斷紀律：先確認職位是否真正影響交付與路線，再用人才研究支撐長期關係與評估，而不是等需求爆發才開始尋找。