Talent Signalv647,220 個樣本

招聘總量收縮、短窗分散:AI 基礎設施仍居首,關鍵職位判斷進入高確定性時代

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。

本版全量結構化訊號在 180/90/30/7 天為 7,220/1,772/401/66 條,衰減比 0.2454/0.2263/0.1646,日均約 40.1/19.7/13.4/9.4 條,收縮已從中長端延伸到最近七天。AI 基礎設施仍是第一主題,但占比由 58.6% 降至 28.8%,agent/RAG 由 12.1% 降至 9.1%,兩者合計由 70.7% 降至 37.9%,其他(other)由 17.0% 升至 48.5%,短窗明顯分散。資料職能由 25.9% 降至 10.6%,AI/演算法由 32.8% 降至 22.7%,技術由 17.8% 降至 6.1%;前台五職能 7 天合計 30.3% 但僅 20 條。職級未標註升至 77.3%,薪酬 unknown 升至 60.6%,安全與數位資產訊號均受小樣本約束,不宜外推為長期趨勢。

180/90/30/7 天職缺總量

7,220/1,772/401/66

全量結構化事實的窗口總量,呈現逐級收斂。

短窗衰減比

0.2454/0.2263/0.1646

90d/180d、30d/90d、7d/30d 的比值,反映總量收縮節奏。

日均職缺

40.1/19.7/13.4/9.4

各窗口折算日均,短窗日均繼續下探。

總量收縮與短窗分散同時發生

180 天 7,220 條、90 天 1,772 條、30 天 401 條、7 天 66 條,對應比值 0.2454、0.2263、0.1646,日均約 40.1、19.7、13.4、9.4 條。這組數字的意義不只是變少,而是短窗日均仍在下探,招聘活動的收縮已從中長端延伸到最近七天。對前沿科技公司而言,這表示職缺開啟節奏更保守,關鍵職位更可能以少數、精準的方式釋出,而不是用大量新增編制試探市場。

當總量變薄,短窗比例更容易被單一職缺放大。7 天只有 66 條,任何一個主題多出三、五條,都會讓占比明顯跳動。因此,人才判斷不能只看短窗排序,而要把 180 天的結構當作背景、把 30 天與 7 天當作方向訊號。對任務關鍵型人才的招聘來說,這反而提高了判斷門檻:公司需要分辨哪些職缺是長期能力建設,哪些只是短期補位。

AI 基礎設施仍是主軸,但集中度正在鬆動

AI 基礎設施在 180/90/30/7 天占比為 58.6%/54.2%/37.9%/28.8%,仍是第一主題;agent/RAG 為 12.1%/13.0%/13.7%/9.1%。兩者合計從 70.7% 降至 37.9%,其他(other)從 17.0% 升至 48.5%。這不是 AI 基礎設施需求消失,而是短窗需求從雙核集中轉向安全、風險合規、商務、營運等分散主題。對前沿科技招聘而言,這意味著職位畫像不能再只用 AI 基礎設施一個標籤概括,必須拆到推理成本、資料管線、代理工作流、合規與商業化等更具體的任務。

集中度回落也提醒企業,人才研究不能把長端占比直接套用到當前招聘。若公司仍以 180 天的 58.6% 當作市場供給假設,可能高估 AI 基礎設施人才的短期流動性;若只看 7 天的 28.8%,又可能低估長期能力主軸。較穩健的做法,是把 AI 基礎設施與 agent/RAG 視為長端主軸,把短窗分散視為補位訊號,並據此調整關鍵職位的優先級與評估維度。

職能結構的變化:資料與技術訊號轉弱,商業化補位浮現

資料職能從 180 天 25.9% 降至 7 天 10.6%,AI/演算法從 32.8% 降至 22.7%,技術從 17.8% 降至 6.1%。短窗 AI 仍居第一,但優勢收窄,資料與技術同時走弱,需求向商務、安全、營運等分散。對技術與產品人才的招聘來說,這代表單純以資料科學家或後端工程師為中心的職位設計,已不足以描述當前任務;企業更需要能與商業化、合規與產品節奏協作的複合型人才。

前台五職能產品、商務、市場、營運、銷售合計占 180/90/30/7 天 10.1%/17.1%/26.2%/30.3%,7 天為 20 條。比例抬升明顯,但絕對量很小,不能直接解讀為商業化招聘全面回暖。更合理的解讀是:在工程與資料職缺收縮時,少數商業化與營運補位被放大。對新經濟團隊而言,這提醒招聘主管區分職能占比上升與絕對招聘量上升,避免用短窗比例說服組織擴編。

職級與薪酬揭露缺口,讓人才判斷更依賴質性證據

職級未標註占 180/90/30/7 天 64.4%/66.2%/72.1%/77.3%,senior 從 16.4% 降至 9.1%,lead 在 7 天回升至 7.6% 但僅 5 條,director/head/VP 合計 7 天僅 2 條。短窗 lead 反彈可能只是個別高階職缺集中出現,不足以證明高級人才需求回升。對關鍵職位招聘而言,這表示不能依賴職級標籤做市場判斷,必須回到職責範圍、決策權限與能力證據。

薪酬 unknown 占 23.7%/40.0%/49.1%/60.6%,7 天僅 39.4% 有強薪酬訊號。跨窗口比較薪酬的能力下降,企業若只用薪酬帶寬推測人才流動,容易誤判。高確定性招聘需要把薪酬揭露缺口視為風險,改用職位任務、技術深度、產品影響力與組織階段做綜合判斷。這也意味著,越到晚近窗口,人才判斷越需要質性證據與結構化面談,而不是單一資料欄位。

Talentverse 判斷:關鍵職位更少,但判斷要更高確定性

這波變化的核心不是招聘消失,而是需求從總量擴張轉向少數關鍵職位的精準配置。AI 基礎設施仍是長端主軸,agent/RAG 仍具方向性,但短窗分散、資料與技術職能走弱、前台補位僅 20 條,說明市場正在用更少的職缺測試更明確的任務。對前沿科技公司而言,優先級應放在能直接影響技術路線、產品節奏與商業化閉環的任務關鍵型人才,而不是跟隨短窗占比追逐每一個熱門標籤。

可能誤讀的地方有三個:把 7 天 66 條的占比當成市場全貌、把 lead 的 7.6% 當成高級職位復甦、把前台五職能 30.3% 當成商業化擴編。這三者都受小樣本與欄位缺失影響。Talentverse 的判斷是,越在訊號分散時,越需要高確定性招聘:先定義任務關鍵型職位,再用跨窗口證據驗證需求,最後以質性評估降低錯配。數位資產相關 Web3 基礎設施、錢包支付、交易基礎設施合計 7 天 9.1% 但僅 6 條,安全類 7 天 9.1% 也僅 6 條,這些都值得觀察,卻不應主導整體招聘策略。真正稀缺的不是職缺資訊,而是能穿越雜訊的人才判斷。

方法說明

本報告以 180 天為主要觀察窗,樣本數 7,220 條,並對照 90 天 1,772 條、30 天 401 條、7 天 66 條的窗口變化。樣本覆蓋資料科學、AI 工程、基礎設施、安全、商務與營運等職能,主題與職能占比由結構化事實換算。需注意 7 天僅 66 條、新增事實 35 條,短窗比例波動大;薪酬與職級欄位缺失會削弱跨窗口比較。當前可見職缺的歷史基線不代表完整真實半年歷史,結論應以中低至中等置信度解讀,不將短窗分散直接外推為長期趨勢。

Talent Signal / v64 / 2026-11-20