Talentverse 人才研究：AI 基礎設施主導下的短窗口動能轉弱

短窗口動能轉弱，半年樣本仍然龐大

截至 2026-09-18，全球人才市場的 180 天樣本為 7,529 個職位，90 天為 4,572 個，30 天為 1,113 個，7 天僅 72 個。90d/180d 為 0.6073，30d/90d 為 0.2434，7d/30d 為 0.0647。這組數字說明半年樣本仍由近 90 天貢獻約 60.7%，長期熱度沒有消失；但前一個觀察期的 0.6437 已下降，代表近 90 天在半年樣本中的集中度降低。對前沿科技招聘而言，這不是需求歸零，而是招聘節奏從全面擴張轉向更選擇性的補位。

更值得留意的是 7d/30d 只有 6.47%，遠低於按天均勻分布約 23% 的水準。雖然比上期的 0.0631 微升，仍顯示短窗口要麼採集覆蓋不足，要麼真實需求邊際轉弱。因為 7 天只有 72 個樣本，任何單一職位變動都會放大成百分比，Talentverse 不建議用這個窗口直接推論市場反轉。高確定性招聘的重點，是辨認長中窗口仍然穩定的關鍵職位，而不是追逐一週內的噪音。

AI 基礎設施主導，但短窗口份額回落

AI 基礎設施在 180 天、90 天、30 天、7 天分別為 4,074、3,332、765、29 個，占比 54.1%、72.9%、68.7%、40.3%。長中窗口占比過半，90 天與 30 天更超過七成，說明企業級 AI 平台、推理基礎設施、模型服務與 AI 原生系統工程仍是招聘主線。7 天份額降到 40.3%，但絕對量只有 29 個且仍居第一，較合理的解讀是短窗口樣本結構分散，而非主線退潮。對前沿科技公司而言，AI 基礎設施人才仍是任務關鍵型職位，尤其是能跨越模型、資料、部署與產品化的工程角色。

Agent/RAG 在四個窗口的占比為 12.1%、11.3%、11.6%、9.7%，長中窗口幾乎持平，顯示這個方向已從概念熱度轉為較穩定的工程與商業崗位供給。新樣本涵蓋 AI/ML 總監、營運、資深產品、技術開發與錢包開發，說明 Agent/RAG 不再只是研究題目，而是開始進入交付、產品管理與商業化。企業若只把它當成技術實驗，會低估產品與營運人才在 Agent 工作流落地中的價值。

數據職能穩定與七天收縮的落差

資料職能在 180 天、90 天、30 天、7 天分別為 2,114、1,278、255、9 個，占比 28.1%、27.9%、22.9%、12.5%。長中窗口穩定在 23% 到 28%，代表資料工程、資料科學與分析職能仍是新經濟團隊的基礎能力；7 天占比驟降到 12.5%，與長窗口落差超過一半，更像採集覆蓋問題或短窗口波動。這並不支持「資料職位結構性消失」的結論，反而提醒企業不要把七天訊號當成裁撤資料團隊的理由。

對關鍵職位的判斷應拆得更細：資料平台與資料工程支撐 AI 基礎設施，資深資料科學支援模型與實驗設計，分析交付則靠近業務決策。三者的需求驅動不同，招聘策略也不應混為一談。若企業只看總量收縮，可能誤判真正稀缺的是能串接資料治理、特徵工程與 AI 產品化的複合型人才。

安全、風控與數位資產的邊緣訊號

安全職能占比從 180 天 6.6% 持續升至 90 天 8.2%、30 天 9.5%、7 天 9.7%；risk/compliance 主題在 7 天為 2.8%，高於長窗口約 0.7% 到 1.2%。這表示 AI 安全、資訊安全與操作風險正在並行招聘，企業在導入 AI 原生系統時，開始把安全與風控納入任務關鍵型職位。不過 7 天絕對量只有 7 個與 2 個，趨勢確認度低，適合列入觀察清單，不宜過早宣稱安全職能全面擴張。

數位資產相關細分在短窗口占比抬升，Web3 infra 在 180/90/30/7 天為 1.9%、1.77%、2.25%、4.2%，wallet/payment 為 0.57%、0.61%、0.99%、5.6%，trading infra 為 0.65%、0.37%、0.36%、1.4%。新樣本中的 Solidity 開發、Web3 商務與錢包支付職位說明訊號仍在，但 7 天各僅 1 到 4 個樣本，只能作為全球市場中的輔助訊號。前沿科技招聘主管應把它視為選擇性機會，而不是主線配置。

薪酬與職級：短窗口必須降權解讀

薪資 unknown 在 180/90/30/7 天分別為 1,529、814、251、38 個，占比 20.3%、17.8%、22.6%、52.8%。7 天超過半數樣本沒有強薪資訊號，長中窗口則約 18% 到 23%。這代表短窗口的薪酬橫向比較與漲幅判斷可靠性很低，企業若用一週資料定價關鍵職位，容易高估或低估候選人期望。Talentverse 建議薪酬判斷至少回到 90 天窗口，並搭配職級、技能稀缺度與地區差異。

職級結構總體穩定，none 在四窗口占比 63.7%、63.8%、65.0%、69.4%，senior 為 17.2%、17.3%、14.1%、9.7%，staff 為 4.3%、4.4%、4.7%、2.8%，principal 為 1.6%、1.6%、1.4%、5.6%，head 為 1.0%、0.9%、1.4%、1.4%。7 天 principal 份額上升到 5.6%，但 senior 與 staff 同時偏低，且總樣本只有 72 個，不能判定高階需求系統性增加。對高確定性招聘而言，這反而說明 Senior+ 人才判斷需要更長的觀察窗與更細的職能拆解。

Talentverse 判斷：關鍵職位優先與高確定性招聘

Talentverse 的判斷是，市場沒有進入全面凍結，而是進入 AI 基礎設施主導、短窗口高噪聲的選擇性招聘階段。半年 7,529 個樣本與 90 天 4,572 個樣本仍提供足夠訊號，AI 基礎設施在長中窗口超過七成占比，Agent/RAG 穩定在 11% 到 12%，資料職能長中窗口穩定在 23% 到 28%。真正需要優先配置的是能設計 AI 原生系統、落地 Agent 工作流、治理資料與控制 AI 風險的任務關鍵型人才，而不是所有帶有 AI 字樣的職位。

企業最容易誤讀的是 7 天窗口：它可以用來發現早期訊號，但不能用來決定預算、薪酬或組織縮編。資料職能 7 天占比 12.5%、安全職能 7 天占比 9.7%、principal 7 天占比 5.6%，都建立在極小樣本上。高確定性招聘的價值，正是在這種訊號混雜時，仍能分辨哪些職位是前沿科技公司的長期能力缺口，哪些只是一週內的採購或 posting 波動。越接近 AI 基礎設施、Agent/RAG、資料治理與 AI 安全交叉點的關鍵職位，越值得用更嚴謹的人才研究與更高確定性的招聘流程提前布局。