Talentverse 人才研究：AI 基礎設施主導延續，短窗動能分化與薪酬缺口擴大

市場總量微增但視窗動能分化

全球人才市場在 180 天視窗錄得 7,553 個樣本，較上一期增加 24 個，表面上總量仍在擴張。但把視線縮短到 90 天、30 天與 7 天，樣本數分別為 4,467、905、76，其中 90 天較上一期減少 105 個，30 天減少 208 個，7 天僅微增 4 個。這組數字意味著，半年總量的支撐主要來自較早的樣本，近三個月與近一個月的動能正在邊際轉弱。

視窗比例進一步說明問題。90 天／180 天為 0.5914，低於上一期的 0.6073；30 天／90 天為 0.2026，低於上一期的 0.2434；7 天／30 天為 0.0840，雖高於上一期的 0.0647，但仍遠低於按天數均勻分布應有的水準。這表示，短期樣本雖有回穩跡象，卻不足以逆轉中長期動能收縮的判斷。對前沿科技招聘而言，如果只盯著 7 天數據，很容易把採集節奏的波動誤讀為需求反轉。

需注意的是，7 天窗口僅有 76 個樣本，任何主題的佔比變化都可能被單一職位放大。7 天窗口的「其他」主題甚至以 28 個樣本超過 AI 基礎設施的 24 個，與 180 天窗口中 AI 基礎設施佔比 54.0% 的結構明顯不同。這種差距更可能反映採集覆蓋的變化，而不是市場主線的轉移。

AI 基礎設施仍是主旋律，短窗回落需要謹慎解讀

AI 基礎設施在 180 天、90 天、30 天、7 天窗口分別有 4,081、3,245、596、24 個職位，佔比為 54.0%、72.6%、65.9%、31.6%。90 天佔比與上一期 72.9% 幾乎持平，顯示中長期需求依然高度集中。30 天佔比從 68.7% 降至 65.9%，7 天佔比從 40.3% 降至 31.6%，短窗口的份額確實出現回落。

這種回落是否代表 AI 基礎設施需求轉弱？從絕對量看，7 天僅 24 個職位，樣本規模太小，不足以得出結構性結論。更合理的解讀是，短窗口樣本分散、採集覆蓋變動，以及部分職位被歸類到其他主題，共同造成了佔比波動。對任務關鍵型人才的判斷，仍應以 90 天與 180 天窗口為主。

對前沿科技公司而言，AI 基礎設施人才仍是建立模型訓練、推論、資料管線與平台能力的核心。若因為 7 天份額下降而放緩關鍵職位招聘，可能錯失真正具備高確定性的人才。相反，企業應利用短窗口的雜訊，重新檢視自身對 AI 基礎設施職位的定義與人才畫像，避免把一般後端職位誤判為 AI 基礎設施職位。

資料與 Agent／RAG：穩定需求中的結構性變化

資料職能在長中窗口維持穩定，180 天與 90 天佔比分別為 28.0% 與 28.2%，是僅次於 AI 基礎設施的第二大職能。30 天佔比降至 22.3%，7 天更只有 14.5%，較上一期 12.5% 小幅回升，但仍僅約長窗口的一半。這說明資料職能在短期樣本中明顯收縮，卻沒有證據顯示需求結構性消失。

對企業來說，資料分析師、資料工程師與資深資料科學家仍將是支撐 AI 系統與商業決策的任務關鍵型人才。短窗口的佔比下滑，更可能是職位發布節奏或採集覆蓋的波動。若企業在此時減少資料人才布局，反而可能在長窗口需求回穩時面臨更大的招募壓力。

Agent／RAG 的表現則相對穩定。180 天、90 天、30 天、7 天佔比分別為 12.1%、11.3%、12.7%、11.8%，四個窗口都落在 11% 至 13% 之間。這意味著 Agent／RAG 已從概念熱度轉為較穩定的工程與商業職位供給，涵蓋 AI 工程、創意工具、GTM 等不同方向。對技術與產品人才而言，Agent／RAG 能力正逐漸成為基礎配置，而非少數專家的專屬技能。

安全、風控與數字資產：細分信號不宜過度放大

安全職能在 180 天、90 天、30 天、7 天佔比分別為 6.5%、8.2%、9.0%、3.9%。90 天與 30 天佔比高於 180 天，顯示安全需求在中短期仍有支撐；但 7 天佔比驟降至 3.9%，僅 3 個職位。風險／合規主題在 7 天窗口更降至 0%。上一期 7 天安全佔比 9.7%、風控 2.8%，本期短窗口抬升未能延續。

這並不代表安全與風控不再重要。相反，AI 原生系統帶來新的模型安全、資料隱私與合規挑戰，相關人才仍具策略價值。只是從職位供給看，安全與風控尚未形成全面加速的趨勢，企業不宜僅憑短窗口信號就大舉擴編，而應聚焦於 AI 優先的安全架構、模型風險與合規治理等關鍵職位。

數字資產相關細分在 7 天窗口佔比抬升，Web3 基礎設施佔 9.2%，錢包／支付佔 5.3%，交易基礎設施佔 1.3%，均高於 180 天窗口。但三者 7 天合計僅約 12 個職位，絕對量過小，不能視為全球市場主線。對前沿科技公司而言，這些信號適合用來觀察特定區塊鏈基礎設施、支付與交易系統的人才需求，卻不足以支撐大規模人才策略轉向。

薪酬揭露與職級結構：短期數據的可信度邊界

薪酬未知比例在 180 天、90 天、30 天、7 天分別為 20.4%、17.9%、26.6%、56.6%。7 天窗口超過半數樣本沒有強薪資信號，較上一期 52.8% 進一步惡化；30 天未知比例也高於長中窗口。這意味著，短期薪酬數據的橫向比較與漲幅判斷可靠性很低。

企業若要在關鍵職位上做出高確定性招聘決策，薪酬基準應更多依賴 90 天與 180 天窗口，並搭配直接市場情報、候選人訪談與內部薪酬數據。單看 7 天或 30 天的職位公告薪資，容易低估或高估特定職位的市場價格，尤其在 AI 基礎設施與資深技術職位上，薪酬離散度本來就高。

職級結構在長中窗口相對穩定，180 天與 90 天的「無明確職級」佔比約 63.8% 與 63.7%，資深職級約 17.2% 與 17.3%。7 天窗口「無明確職級」升至 76.3%，資深佔比降至 7.9%，head 職級為 0，principal 與 director 各僅 2 個。短窗口高級職位樣本明顯不足，不能據此判斷資深人才需求下降。

Talentverse 判斷：聚焦關鍵職位與高確定性招聘

這份快照傳達的核心訊息是：AI 基礎設施與資料職能仍是全球人才市場的主線，但短期視窗的動能分化、薪酬揭露缺口與高級職位樣本不足，讓 7 天數據充滿雜訊。企業若要在前沿科技領域建立競爭優勢，應把人才判斷的錨點放在 90 天與 180 天窗口，並以職位內容、技能稀缺性與商業影響力來定義任務關鍵型人才。

優先值得關注的職位包括：AI 基礎設施工程與架構、資料工程與資料科學、Agent／RAG 工程與產品、AI 工作流與對話式 AI 產品管理，以及 AI 優先的安全與風控架構。這些職位在長中窗口展現穩定需求，且在短窗口波動中仍具策略意義。企業可能誤讀的是，把 7 天 AI 基礎設施佔比下降當成需求退潮，或把數字資產細分信號當成新主線，這兩種誤讀都會導致資源錯配。

高確定性招聘的重要性在於，越是前沿科技與新經濟團隊，越不能依賴短期職位數量來決定招募節奏。真正稀缺的是能主導 AI 原生系統、資料平台與 Agent 產品的人才，他們的流動往往不反映在短期公告中。Talentverse 認為，企業應以人才研究為基礎，結合長窗口趨勢與直接市場情報，對關鍵職位做出更果斷的招聘決策，這比追逐短期數據波動更能建立長期競爭力。