Talent Signalv627,483 個樣本

AI 基礎設施主導長端需求,短窗招聘重心轉向工程執行與分散角色

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 Talent Signal 在 180/90/30/7 天窗口分別記錄 7,483/2,099/430/79 個結構化招聘事實,窗口比為 0.2805、0.2049、0.1837,總量逐級收斂是最高置信度的主訊號。AI 基礎設施佔比由 57.05% 降至 27.85%,Agent/RAG 穩定在 12% 上下,兩者合計由 69.22% 降至 41.77%,其他主題升至 35.44%,顯示長端集中需求在短窗被更多角色稀釋。AI/演算法由 33.01% 降至 15.19%,資料職能由 26.34% 降至 6.33%,技術職能則由 17.97% 升至 24.05%,7 天成為第一職能;安全升至 12.66%,前台五職能合計升至 31.65% 但僅 25 條。薪酬未知佔比由 22.81% 升至 56.96%,削弱薪酬判斷。數位資產三類主題 7 天合計 8.86%、僅 7 條,仍屬細分訊號。

180 天結構化招聘事實

7,483

作為當前可見崗位的歷史基線,不代表完整半年真實歷史。

AI 基礎設施佔比(180 天)

57.05%

長端第一主題,代表前沿科技招聘仍以模型與基礎設施能力為核心。

Agent/RAG 佔比(180 天)

12.17%

在四個窗口維持 12% 上下,是長端 AI 基礎設施之外最穩定的主題。

總量收縮與結構分散同時發生

本期資料在 180/90/30/7 天窗口分別為 7,483、2,099、430、79 條結構化招聘事實,90 天對 180 天為 0.2805,30 天對 90 天為 0.2049,7 天對 30 天為 0.1837。這組比值的重要性不在於精確預測,而在於它同時出現在四個窗口:招聘活動逐級收斂,短窗沒有出現反轉。對前沿科技公司而言,這意味著招聘計畫不能建立在長端日均 41.6 條的假設上,7 天日均 11.3 條才是當前可見的節奏。

總量收縮沒有讓需求消失,而是讓需求更分散。180 天窗口的其他主題佔 17.59%,7 天升至 35.44%,代表短窗由更多不同類型的角色組成。這種分散對人才判斷的影響很直接:企業更難用單一職缺名稱界定任務關鍵型人才,必須回到工作場景、交付責任與技術深度來判斷。高確定性招聘的價值因此上升,因為錯誤定義關鍵職位比錯誤評估候選人更昂貴。

AI 基礎設施的主導力在短窗被稀釋

AI 基礎設施仍是長端第一主題,180/90/30/7 天分別佔 57.05%、58.69%、39.77%、27.85%;Agent/RAG 則穩定在 12.17%、12.15%、13.49%、13.92%。兩者合計從 69.22% 降至 41.77%,這不是 AI 需求瞬間消失,而是長端的集中需求在短窗被工程執行、產品、安全與前台職能稀釋。若只看 7 天資料,容易把 27.85% 誤讀為 AI 基礎設施退場;若只看 180 天,又會忽略短窗已經出現的角色輪動。

AI/演算法與資料職能的變化更劇烈。AI/演算法從 33.01% 降至 15.19%,資料從 26.34% 降至 6.33%,7 天資料職能僅 5 條。這組數字的招聘意涵不是資料人才不再重要,而是短窗補位集中在少數執行型職位,長端的資料與演算法需求仍構成前沿科技公司的能力底座。對任務關鍵型職位而言,資料平台、模型評估與 AI 產品化能力仍是長期稀缺,但企業在短窗更可能先補能直接接入產品與客戶場景的人。

技術執行與前台補位改寫職能排序

7 天技術職能以 24.05% 超過 AI/演算法的 15.19%,較 180 天的 17.97% 高 6.08 個百分點;前台五職能合計從 9.70% 升至 31.65%,但 7 天僅 25 條。這說明短窗同時出現工程執行補位與商業化補位,卻還沒有形成大規模組織擴張。安全職能在 90/30/7 天為 9.53%、8.60%、12.66%,風險合規為 2.00%、3.72%、6.33%,7 天合計 15 條,方向值得追蹤但不宜過度解讀。

職級結構支持這個判斷。7 天 none 佔 72.15%,senior 回升至 15.19%,lead 為 6.33%,director/head/vp 合計僅 1.27%。短窗補充的是能承擔交付責任的高級 IC 與小組負責人,而不是高層管理崗位。對前沿科技公司來說,招聘意涵是先把關鍵職位的責任邊界寫清楚,再用技術深度、端到端交付與跨職能協作來評估人才;這比追逐職稱或頭銜更能提高招聘確定性。

薪酬缺口與小樣本限制了判斷精度

薪酬 unknown 佔比從 180 天 22.81% 升至 90 天 34.54%、30 天 49.77%、7 天 56.96%,strong 訊號則從 77.19% 降至 43.04%。短窗有一半以上職位缺少可比較的薪酬訊號,任何薪酬走勢或人才流動成本判斷都必須降級。對高確定性招聘而言,這代表企業不能只依賴職缺頁面上的薪酬區間,而要用直接市場訪談、候選人決策因素與關鍵職位替代成本來建立薪酬判斷。

樣本量是第二個限制。7 天僅 79 條,30 天 430 條,其他主題在 7 天升至 35.44% 可能受個別新增樣本影響。180 天窗口也有 677 條以 collected_at 回填、6,806 條有 posted_at,基線並非完整半年真實歷史。這些限制不削弱總量收斂的方向,但要求把短窗比例當作輪動訊號,而不是精確市場規模。數位資產三類主題 7 天合計 8.86%、僅 7 條,更適合放在觀察清單,而非放進主敘事。

Talentverse 判斷:關鍵職位更少,但判斷要求更高

Talentverse 的判斷是,這輪變化不是單純的招聘寒冬,而是前沿科技招聘從廣泛布局 AI 基礎設施,轉向用更少關鍵職位完成落地交付。值得優先關注的職位包括 Forward Deployed AI Solutions Architect、Senior Forward Deployed Engineer(AI Agent)、Agentic Python Engineer,以及前端偏重的資深全端工程、後端工程與安全/風險合規角色。這些職位的共同點是能把模型能力、工程實現與客戶場景接起來,而不是只持有某一項技術標籤。

企業最可能誤讀的地方有三個。第一,把 7 天技術職能 24.05% 當成全面擴張,忽略它只有 79 條樣本;第二,把 AI 基礎設施從 57.05% 降到 27.85% 當成 AI 需求退場,忽略 Agent/RAG 仍穩定在 12% 上下;第三,用薪酬 unknown 56.96% 的職缺資料推導薪酬競爭力,卻沒有補上直接市場證據。高確定性招聘之所以更重要,是因為關鍵職位數量變少、任務變複雜,錯配一位任務關鍵型人才的代價,遠高於多花時間做人才判斷。

方法說明

本報告以 Talent Signal 於 2026-11-14 生成的結構化招聘事實為基礎,主窗口 180 天,對照 90/30/7 天窗口。樣本為 7,483 條可見崗位事實,其中 6,806 條有 posted_at 欄位,677 條使用 collected_at 回填;180 天窗口是當前可見崗位的歷史基線,不代表完整半年真實歷史。短窗樣本較小,比例解讀以方向為主,不將 7 天 79 條或 30 天 430 條外推為精確市場幅度。所有證據以 fact ID 標註,薪酬未知佔比在 180/90/30/7 天為 22.81%/34.54%/49.77%/56.96%,用於提醒薪酬判斷的限制。

Talent Signal / v62 / 2026-11-14