全球人才市場：AI 基礎設施主導，短窗資料與薪酬訊號波動加劇

半年樣本 7,480 個：長期熱度仍在，短窗動能轉弱

截至 2026 年 9 月 15 日，Talentverse 觀察到的全球人才市場半年樣本為 7,480 個職位，其中 90 天 4,815 個、30 天 1,221 個、7 天 77 個。90 天貢獻約 64.4% 的半年樣本，代表長期活躍仍由近 90 天支撐；30 天除以 90 天為 0.2536，接近但低於按天均勻分布時的四分之一；7 天除以 30 天只有 0.0631，明顯低於均勻分布時的約 23%。這組數字不宜直接解讀為需求消失，而是提醒前沿科技招聘團隊，短窗樣本可能同時受到採集節奏與需求邊際轉弱影響。

對任務關鍵型人才的判斷，關鍵不是追逐單週起伏，而是辨認長期主題是否仍被近 90 天驗證。90 天樣本仍佔半年多數，說明 AI 基礎設施、資料與 Agent/RAG 等方向並未失去動能；然而 7 天樣本僅 77 個，任何職能佔比或職級結構的變化都容易失真。企業在設定關鍵職位優先順序時，應把 90 天與 30 天趨勢視為主軸，把 7 天訊號當作預警，而不是結論。

AI 基礎設施仍是主線，但短窗集中度鬆動

AI 基礎設施在 180 天、90 天、30 天、7 天分別為 4,059、3,512、863、40 個職位，佔比 54.3%、72.9%、70.7%、51.9%。長中窗口佔比過半，90 天與 30 天甚至超過七成，說明 AI 基礎設施仍是前沿科技招聘最集中的主線。7 天佔比降至 51.9%，雖仍居第一，但集中度明顯回落，這可能反映短窗樣本更分散，也可能代表部分企業把招聘重心暫時移向安全、風控或數位資產等細分方向。

對企業而言，AI 基礎設施不是單一職稱，而是一組任務關鍵能力：機器學習平台、推論與訓練基礎設施、資料管線、模型部署與成本治理。當 90 天與 30 天佔比維持七成以上，代表這類人才仍是高確定性招聘的核心；但 7 天集中度下降提醒企業，若只依賴短窗熱度搶人，可能誤判職位優先順序。真正需要優先鎖定的是能讓 AI 產品規模化落地的平台與後端人才，而非僅追逐職稱中含 AI 的職位。

資料職能的長中窗穩定與短窗失真

資料職能在 180 天、90 天、30 天、7 天分別為 2,108、1,350、289、9 個職位，佔比 28.2%、28.0%、23.7%、11.7%。長中窗口穩定在 23% 至 28%，說明資料科學、資料分析、商業分析與成長營運仍是新經濟團隊的基礎能力。7 天驟降至 11.7%，與長窗口反差極大，但 7 天絕對量只有 9 個，且本期較上期 5.7% 已回升，因此更像採集覆蓋或短窗波動，而非資料職位需求結構性消失。

這對人才判斷的意義在於，企業不應因為一週資料佔比下降就縮減資料職能布局。當 AI 基礎設施吸走大量注意力時，資料職能往往被誤認為支援性角色；但在前沿科技公司，Product Data Science、Senior Data Scientist、商業分析與成長營運，直接影響模型品質、產品決策與商業化節奏。若企業在高階資料職位上延後決策，往後必須用更高成本補回，尤其是能同時理解產品、實驗設計與 AI 應用的任務關鍵型人才。

Agent/RAG 從概念走向穩定工程與商業需求

Agent/RAG 在 180 天、90 天、30 天、7 天佔比為 12.1%、11.2%、11.1%、7.8%。長中窗口幾乎持平在 11% 至 12%，顯示這個方向已從概念熱度轉為較穩定的工程與商業職位供給。新樣本中出現 Agent Builder、Agent/RAG 商務職位、多智能體框架工程與相關招聘職能，代表企業不只招聘模型工程師，也開始補齊產品、商務與內部招募能力。7 天佔比降至 7.8%，但絕對量僅 6 個，不適合直接推論為降溫。

企業若要在 Agent 方向建立高確定性招聘，應把職位拆成三層：底層是多智能體框架與工具鏈工程，中層是 RAG 檢索、評估與資料治理，前線則是能把 Agent 能力轉成產品與營收的產品經理與商務人才。只補工程職位，會卡在場景落地；只補商務職位，則會缺乏可驗證的技術交付。當長中窗口穩定在 11% 左右，代表這已不是短暫風口，而是需要組合式人才配置的關鍵職位群。

安全、風控與數位資產：值得觀察，不足以獨立成篇

安全職能在 180 天、90 天、30 天、7 天佔比為 6.6%、8.1%、9.3%、14.3%，風險／合規主題在 7 天為 6.5%，高於長窗口約 0.7% 至 1.2%。短窗佔比抬升，且新樣本包含 AI 安全、資訊安全與操作風險職位，顯示 AI 導入後的安全與風控需求正在增加。不過 7 天安全樣本僅 11 個、風控樣本僅 5 個，絕對量太小，不能確認這是持續趨勢。企業可將 AI 安全與風控列為觀察名單，但不建議在此時全面重配招聘資源。

數位資產相關細分同樣在短窗抬升：Web3 基礎設施 180/90/30/7 天佔比為 1.9%、1.7%、2.0%、3.9%；錢包／支付為 0.5%、0.6%、0.7%、3.9%；交易基礎設施為 0.6%、0.4%、0.4%、1.3%。這些數字顯示信號仍在，但 7 天 Web3 基礎設施與錢包／支付各只有 3 個樣本，交易基礎設施只有 1 個，只能作為全球市場中的細分輔助觀察，不足以支撐獨立垂直市場判斷。

Talentverse 判斷：優先鎖定可驗證的關鍵職位

這份報告呈現的不是全面降溫，而是需求品質與可驗證度的分化。AI 基礎設施在 90 天與 30 天仍佔七成以上，資料職能在長中窗口穩定在 23% 至 28%，Agent/RAG 穩定在 11% 至 12%，三者共同說明前沿科技公司的核心招聘並未鬆動。真正需要警惕的是短窗資料：7 天樣本只有 77 個，資料職能降至 11.7%，薪資未知佔 39.0%，高於長中窗口約 18% 至 20%。若企業用一週訊號做半年決策，很容易誤判資料職位與薪酬水準。

Talentverse 建議把優先順序放在三類任務關鍵型人才：能規模化 AI 基礎設施的平台與後端工程人才，能串接產品、實驗與商業化的高階資料人才，以及能把 Agent/RAG 從原型推向營收的產品與商務組合。安全與風控值得建立觀察名單，但不應在樣本量不足時全面轉向。企業最可能誤讀的地方，是把短窗佔比當成長期趨勢，或把薪資未知當成薪資停滯；在薪酬揭露率低的窗口，任何漲幅判斷都應保守。

高確定性招聘的價值正在上升，因為市場訊號越分散，錯誤招聘的成本越高。當 AI 基礎設施、資料、Agent/RAG 與安全風控同時爭奪少數高階人才，企業若只靠職稱關鍵字或短期熱度做判斷，會錯過真正能承擔任務關鍵型職位的人。Talentverse 主張以 90 天與 30 天趨勢為底，結合職級結構、薪酬揭露與證據強度，對關鍵職位做出更少但更準的招聘決策。