AI 基礎設施主導供給，資料職能長短窗背離下的高確定性招聘

供給收縮與短窗反彈：招聘節奏該怎麼讀

截至 2026 年 10 月 21 日，180／90／30／7 天可見樣本分別為 7,857／3,180／447／120 個。90 天對 180 天樣本比 0.4047，30 天對 90 天為 0.1406，代表長中窗口的職缺供給仍在收縮，30 天節奏只有 90 天月均約 42%。對前沿科技招聘的含義不是市場沒有職位，而是企業開缺更集中、更晚釋放，關鍵職位一旦出現，評估與決策速度更重要。

7 天對 30 天樣本比 0.2685，折算月約 514 個，比 30 天實際 447 個高約 15%，看似低位反彈。然而 7 天只有 120 個樣本，單一批次就能改變比率，因此這個反彈只有中等信心。高確定性招聘在這裡的用法，是把短窗當成節奏校準，而不是擴編訊號；任務關鍵型人才的需求判斷，應以 90 天與 30 天結構為主。

AI 基礎設施仍主導，但短窗集中度被稀釋

AI 基礎設施在四窗口占 54.35%／67.74%／44.74%／38.33%，絕對量 4,270／2,154／200／46 個，仍是最大主題，90 天集中度接近七成。這說明前沿科技公司的關鍵職位池仍圍繞模型訓練、推論、平台與算力效率。7 天占比降至 38.33%，較 180 天低約 16 個百分點，但這不等於主導地位消失，而是短窗供給更分散。

其他主題在短窗升至 38.33%，資料平台從 6.17%／2.70%／1.12%／1.67% 收縮，顯示新增職缺的長尾化。對招聘判斷的含義是，AI 基礎設施職位仍需優先，但不能只用單一「AI 工程師」標籤；企業要把職位拆成訓練、推論、平台治理與成本效率，才能辨識真正任務關鍵型人才。

資料職能與通用工程的長短窗背離

最劇烈的結構變化出現在職能。資料職能從 180 天 2,150 個、27.36%，降至 90 天 744 個、23.40%，30 天 39 個、8.72%，7 天 7 個、5.83%。同期技術職能從 1,416 個、18.02% 升至 617 個、19.40%、94 個、21.03%、31 個、25.83%；AI／演算法從 33.91%／32.23%／24.83% 降至 16.67%。短窗新增供給從專職資料與演算法，轉向通用工程交付。

這不應被解讀為資料人才失去價值，而是 AI 落地職位被後端、全端與平台工程吸收。對前沿科技招聘的含義是，企業若把 AI 落地等同擴大資料團隊，可能誤判供給；更應確認平台工程能否承接資料管線、模型交付與評測。關鍵職位設計要從職稱轉向實際交付責任，否則高確定性招聘會停留在表面對位。

Agent／RAG 穩定，安全與合規不能合併

Agent／RAG 在四窗口占 12.28%／11.54%／12.98%／10.83%，絕對量 965／367／58／13 個，前三個窗口維持 11.5% 至 13.0%，7 天降至 10.83% 但僅 13 個，尚不構成方向性變化。這類職位適合用產品工程、檢索品質、評測與治理能力交叉評估，而不是只看關鍵字。

安全職能占 7.00%／8.71%／12.08%／12.50%，短窗最高；risk/compliance 主題僅 1.16%／1.19%／3.80%／4.17%，7 天只有 5 個。安全職位可能同時承載身分、風控、調查與合規，兩者口徑不同。招聘上應拆開評估安全工程、身分與風控、調查、合規；把安全職能上行直接當成合規需求上行，會錯配任務關鍵型人才。

數位資產是細分訊號，薪酬與職級要看邊界

Web3 infra、wallet/payment、trading infra 合計約 254／115／35／6 個，占 3.23%／3.62%／7.83%／5.00%。短窗占比抬升，但長窗口僅約 3%，7 天只有 6 個，只能作為細分人才研究與選擇性布局，不應進入主流招聘敘事。職級方面，senior 占 17.16%／16.16%／13.87%／10.00%，none 占 63.51%／64.34%／64.43%／77.50%，head 在 30 天為 4.25%、僅 19 個，7 天降至 1.67%，高階職位並未隨短窗反彈擴張。

薪酬 unknown 占 22.08%／25.19%／58.39%／66.67%，30 天與 7 天超過一半。這是揭露缺口，不是薪酬下行證據；部分技術、資料與設計職位帶較強薪酬訊號，社群營運與 SEO 實習則沒有。對高確定性招聘的含義是，短窗不能做可靠橫向比價，企業應用結構化薪酬帶、證據訪談與職位責任來校準，而不是用可見職缺的薪酬欄位推論市場價。

Talentverse 判斷：優先下注可交付的關鍵職位

Talentverse 的判斷是，這是一輪供給收縮中的結構再分配，不是全面復甦，也不是數位資產主導。最值得優先的是 AI 基礎設施中的平台工程、訓練與推論效率、模型治理，以及能承接資料管線與評測的後端、全端與平台工程；Agent／RAG 產品工程與評測人才也應持續布局。安全工程、身分、風控與調查職位值得獨立評估，合規職位則應回到受監管場景的實際責任。

企業可能誤讀三件事：短窗反彈當成復甦、資料職能占比下降當成資料人才不重要、安全職能上升當成合規需求全面擴張。這些誤讀會讓關鍵職位定義失焦。高確定性招聘之所以更重要，正因為供給收縮、短窗樣本小、薪酬揭露缺口大；在這種環境下，能用證據分辨任務關鍵型人才、用職位責任取代職稱標籤的團隊，才會在 AI 基礎設施與新經濟團隊的競爭中取得優勢。