Talent Signalv617,570 個樣本

招聘總量收縮、關鍵職位分化:AI 基礎設施長端主導,資料職能短窗急降

本報告基於 Talentverse 自研產品 Talent Signal 收集與整理的公開招聘訊號樣本,呈現對前沿科技人才市場的結構化觀察。

本期全球快照顯示,180/90/30/7 天可見職位為 7,570/2,248/451/59 個,日均約 42.1/25.0/15.0/8.4 個,90d/180d、30d/90d、7d/30d 分別為 0.297、0.2006、0.1308,長端收縮未改且 7 天總量進一步探低。AI 基礎設施仍是長端第一主題,占 56.46%/61.48%/41.46%/33.90%,agent/RAG 穩定在 12.22%/11.83%/12.64%/10.17%;資料職能從 26.76%/19.71% 降至 7.32%/3.39%,7 天僅 2 條,AI/演算法則維持約三分之一。前台五職能短窗占比升至 28.81%,但 7 天僅 17 條;安全與風險合規短窗升至 11.86% 與 5.08%,樣本分別僅 7 條與 3 條。薪酬 unknown 占 22.81%/31.63%/51.22%/49.15%,短窗披露缺口接近一半。對前沿科技公司而言,這是關鍵職位分化而非全面復甦;任務關鍵型人才判斷應優先於短期職缺比例。

180 天可見職位

7,570

長端樣本量,用於觀察六個月內可見職位結構。

90 天可見職位

2,248

90d/180d 為 0.297,顯示長端收縮延續。

30 天可見職位

451

30d/90d 為 0.2006,短期供給進一步收窄。

總量收縮與短窗探低:關鍵職位需求沒有消失

2026 年 11 月 11 日全球快照顯示,180/90/30/7 天可見職位為 7,570/2,248/451/59 個,日均約 42.1/25.0/15.0/8.4 個;90d/180d、30d/90d、7d/30d 分別為 0.297、0.2006、0.1308,7 天總量僅 30 天的 13.08%。長端收縮未改,短窗供給偏低會讓比例被少數樣本放大,企業不宜把職缺變少解讀為關鍵職位需求消失,應以任務關鍵性與業務里程碑排序高確定性招聘。

7 天僅 59 條、30 天 451 條,任何短窗占比變化都應與絕對量一起讀。對前沿科技公司而言,這更像招聘動作集中與審慎化,而不是人才市場失去動能;若因短期噪音延後核心職位,代價通常高於等待。

AI 基礎設施仍是長端主線,短窗分散化提醒企業不要誤讀

AI 基礎設施占 180/90/30/7 天 56.46%/61.48%/41.46%/33.90%,長端仍是第一主題;agent/RAG 占 12.22%/11.83%/12.64%/10.17%,相對穩定;other 同期升至 18.08%/16.10%/30.82%/32.20%。這說明長端需求仍圍繞模型、推理、平台與資料底座,短窗則分散到更多職能。AI 基礎設施、推理可靠性與 agent/RAG 產品化角色仍應列為關鍵職位池,企業若只看短窗占比下降就減少佈局,可能錯過長端能力缺口。

新增 21 條樣本中,AI 基礎設施 5 條、other 7 條、Web3 基礎設施 2 條、風險合規 2 條;職能為技術 4 條、AI/演算法 3 條、安全 3 條、商務 2 條、營運 2 條、產品 2 條。樣本分散且量小,較適合用來校準跨職能人才搜尋,不宜當作長期結構結論。

資料職能短窗急降,AI 與演算法維持三分之一

資料職能占 26.76%/19.71%/7.32%/3.39%,7 天僅 2 條;AI/演算法占 33.12%/33.90%/30.60%/32.20%,技術職能占 17.86%/16.41%/17.07%/11.86%。資料能力在長端仍重要,短窗斷崖更像低樣本遮蔽,而非長期降級。資料平台、資料治理、分析與 AI 資料鏈路仍屬任務關鍵型職能,企業不應因 7 天僅 2 條就延後關鍵資料領導或平台人才佈局。

高確定性招聘要求把資料職位拆解為可驗證的任務,例如資料可靠性、治理框架、AI 資料鏈路與分析產品化,並用交付證據而非職稱判斷人才。短窗收縮反而適合企業重新排序哪些資料角色直接影響產品與模型成效。

前台補位與安全治理:低樣本中的高價值觀察

前台五職能合計占 9.46%/14.10%/23.95%/28.81%,7 天 17 條、30 天 108 條;安全職能占 7.44%/9.39%/9.53%/11.86%,風險合規占 1.11%/1.78%/3.55%/5.08%,7 天分別僅 7 條與 3 條。前台占比抬升不足以證明商業化全面擴張,安全與合規抬升則可能與支付、錢包、風控與平台治理相關。這些職位直接影響交易安全、合規上線與產品可信度,值得以任務關鍵型標準逐位評估。

數位資產相關的 Web3 基礎設施、錢包支付、交易基礎設施合計占 3.06%/4.45%/6.43%/10.17%,7 天 6 條,仍屬細分觀察。企業可將錢包、支付與交易基礎設施列入觀察名單,但不應讓 6 條樣本取代 AI 基礎設施與資料主線的關鍵職位優先級。

職級與薪酬訊號:執行層與負責人型職位更受關注

職級以 none 為主,占 63.80%/65.17%/70.95%/64.41%;lead 占 6.46%/7.61%/9.53%/13.56%,senior 占 16.83%/13.97%/9.76%/13.56%,7 天 director 僅 1 條。短窗更偏向關鍵執行層與負責人型職位,而非高級管理層全面擴張。薪酬 unknown 占 22.81%/31.63%/51.22%/49.15%,strong 占 77.19%/68.37%/48.78%/50.85%,30 天與 7 天接近一半缺少薪酬訊號。

薪酬不透明會降低人才判斷精度。企業應以現金、股權、獎金與職位影響力建立可比較證據,並校準 lead 與 senior 的實質 scope、決策權與交付責任,避免用職稱膨脹替代高確定性招聘。

Talentverse 判斷:高確定性招聘比追逐短期比例更重要

這期訊號的核心不是全面復甦或全面凍結,而是總量收縮下的關鍵職位分化。AI 基礎設施長端仍占 56.46% 以上,agent/RAG 穩定在 10% 至 13%,AI/演算法維持約三分之一;資料短窗降至 3.39% 且僅 2 條,前台短窗升至 28.81% 但僅 17 條,安全與風險合規升至 11.86% 與 5.08% 但樣本更小。比例必須與樣本量一起讀,否則企業會把短期分散誤認長期趨勢,或把低樣本補位誤認全面擴張。

優先職位應放在能直接影響產品與交易可信度的任務關鍵型人才:AI 基礎設施與 agent/RAG 的平台、推理、可靠性與產品化角色;資料平台、治理與 AI 資料鏈路角色;支付、錢包、風控與合規治理角色;以及能承擔 GTM 與產品落地責任的負責人型職位。企業最可能誤讀的是把 7 天占比當成需求確定性,或把薪酬未知當成薪資下行。Talentverse 的判斷是,越在總量收縮與訊號分散時,越需要用高確定性招聘流程校準職位優先級、證據與人才標準;關鍵職位一旦延誤,成本通常高於短期招聘數量的波動。

方法說明

本報告以 180 天為主要觀察窗,樣本數 7,570 條可見職位,其中 posted_at 事實 6,902 條、collected_at 回退 668 條、unknown_company 為 0;本期新增 21 條事實。180/90/30/7 天窗口分別為 7,570/2,248/451/59 條,7 天樣本最低,比例波動需謹慎解讀。基線說明指出,當前可見職位歷史基線不代表完整真實半年歷史;薪酬 unknown 在短窗接近一半,會限制薪酬與吸引力比較。所有占比與判斷均以結構化招聘事實為基礎,不將短窗比例直接外推為長期趨勢。

Talent Signal / v61 / 2026-11-11