AI 基礎設施與資料能力續居主線，短窗波動放大人才判斷難度

招聘總量降溫，但關鍵職位需求並未消失

截至 2026 年 10 月 3 日的全球結構化招聘樣本，180 天累計 7,670 個，90 天 3,881 個，30 天 358 個，7 天 106 個。這組數字最重要的不是總量本身，而是比例變化：90 天對 180 天為 0.506，30 天對 90 天為 0.0922，7 天對 30 天則為 0.2961。前兩者低於上一版，說明長中窗口的需求動能仍在走弱；7 天對 30 天回升，但 7 天只有 106 個樣本，不能據此判定市場反轉。對前沿科技公司而言，這代表關鍵職位規劃不能跟著短窗情緒擺動，而應以 90 天與 180 天的結構判斷任務關鍵型人才的真實稀缺度。

短窗樣本小還有一個直接後果：7 天內 head 僅 8 個、principal 僅 2 個、vp 僅 1 個、director 僅 1 個。即使 head 占比在 7 天升至 7.5%，也不能推論高階職位需求全面擴張。高確定性招聘的前提，是先把樣本量與職級分布一起看，否則很容易把雜訊當成趨勢，進而在錯誤層級啟動招募。

AI 基礎設施與資料能力仍是主線

AI 基礎設施在四個窗口都是最大主題，180 天 4,150 個、90 天 2,776 個、30 天 159 個、7 天 56 個，占比分別為 54.1%、71.5%、44.4%、52.8%。90 天占比超過七成，與上一版 71.4% 幾乎持平，說明平台工程、ML 基礎設施與資料平台仍是前沿科技招聘的底座。新增樣本涵蓋 Senior Data Scientist、Staff Product Manager, Physical AI、Software Engineers（Product、Applied AI、ML Infra、Data Platform），顯示需求並未只停留在研究職，而是往產品、平台與跨域工程擴散。對企業而言，這類職位屬於任務關鍵型人才，應優先以高確定性招聘處理，而不是等到短窗需求看似回升才被動補人。

資料職能長中窗口同樣穩定，180 天 2,128 個、90 天 1,040 個，占比 27.7% 與 26.8%，仍是第二大職能；但 30 天降至 30 個、7 天 7 個，占比 8.4% 與 6.6%，且低於上一版的 13.3% 與 7.9%。新增樣本仍有 Senior Data Scientist、Senior Data Scientist (German-speaking)、Quant Researcher，代表資料科學、量化研究與資料平台能力沒有消失。真正的訊號是短窗招聘可能更集中於少數高階或缺角，企業若要在 AI 原生團隊中建立可持續的資料能力，應把資料科學、資料工程與資料產品視為同一條人才鏈，而不是只用短期職缺數判斷價值。

Agent/RAG 與安全風控：短窗訊號的兩端

Agent/RAG 需求穩定落在 11% 至 18% 區間，180 天 937 個、90 天 450 個、30 天 51 個、7 天 19 個，占比 12.2%、11.6%、14.2%、17.9%。30 天與 7 天略高於上一版，且新增樣本跨越多重職能、政府關係 APAC、雲端工程 AWS Serverless，說明 Agent/RAG 已不只是研究或演算法職能，而是逐步進入產品、雲平台與商務協作場景。對技術與產品人才判斷來說，能否把檢索、工具調用、評估與治理整合成可交付系統，會比是否熟悉單一框架更重要。

安全與風控則是另一端的觀察訊號。安全職能在 180 天 513 個、90 天 320 個、30 天 36 個、7 天 15 個，占比 6.7%、8.2%、10.1%、14.2%；risk/compliance 主題為 94、35、14、5 個，占比 1.2%、0.9%、3.9%、4.7%。短窗占比明顯高於長窗，但 7 天風控絕對量只有 5 個，安全職能也只有 15 個。這表示安全與風控值得列入關鍵職位觀察，卻不宜因一週樣本就啟動大規模擴編。較合理的做法，是先確認 AI 系統治理、詐欺防治、瀏覽器安全與雲端安全等職缺是否連續數週出現，再決定人才策略。

薪酬揭露缺口與短窗樣本如何影響人才判斷

薪酬 unknown 在 30 天為 200 個、占 55.9%，7 天為 59 個、占 55.7%，遠高於 180 天的 20.9% 與 90 天的 20.1%。strong 薪酬訊號雖在長窗口有 6,064 個，但短窗只有 158 個與 47 個。這意味著短窗薪資比較、漲幅推論與職級對價都很不可靠；企業若把 unknown 樣本當成薪酬下行證據，會錯判任務關鍵型人才的市場價格。更穩健的做法，是把總薪酬、股權、遠端政策與職位影響力一起納入高確定性招聘判斷，並以 90 天與 180 天訊號作為基準。

數字資產相關需求只能視為細分訊號。Web3 infra 在 180/90/30/7 天為 153、73、20、3 個，占比 2.0%、1.9%、5.6%、2.8%；wallet/payment 為 47、30、10、3 個，占比 0.6%、0.8%、2.8%、2.8%；trading infra 為 43、14、2、0 個，占比 0.6%、0.4%、0.6%、0%。30 天看似抬升，7 天又回落，trading infra 甚至歸零，因此不能把整體市場寫成垂直 Web3 主線。若企業屬於新經濟團隊或數位資產平台，這些訊號可作為特定職位的補充觀察，但不宜取代 AI 基礎設施、資料能力與安全合規的主線判斷。

Talentverse 判斷

這份市場快照的核心意義，是前沿科技招聘正在從職缺數量擴張轉向關鍵能力集中。AI 基礎設施在 90 天占 71.5%、180 天占 54.1%，資料職能長中窗口維持 27% 至 28%，Agent/RAG 穩定在 11% 至 18%，三者共同構成任務關鍵型人才的地基。短窗雖然出現 AI infra 回升與安全風控占比上揚，但 7 天只有 106 個樣本、風控僅 5 個、資料職能僅 7 個，任何反轉結論都過早。企業應優先配置 ML 基礎設施、資料平台、資料科學、Agent 系統整合與 AI 安全治理等職位，並以 90 天與 180 天結構確認需求是否成立。

最可能被誤讀的地方有兩個：一是把 7 天占比回升當成全面復甦，二是把短窗薪酬 unknown 當成價格鬆動。前者會讓企業在錯誤時點啟動非關鍵職位，後者會讓高確定性招聘失去談判基準。Talentverse 的判斷是，當市場總量降溫、揭露缺口擴大時，真正稀缺的不是履歷數量，而是能對 AI 平台、資料資產與風險治理負責的人才。高確定性招聘的價值因此更高：它要求企業更早定義任務關鍵型職位、更嚴謹辨識能力證據，並在短窗雜訊中維持長期人才判斷。