Spring Boot 4.1 彻底解耦 SQL，具身大脑吸金 400 亿

今日技术界动静不小，后端领域 Spring Boot 4.1 正式宣布“抛弃”对 SQL 的强依赖，让 MongoDB 也能完美驾驭 Batch 任务；而在 AI 前沿阵地，具身智能正迎来资本狂欢，仅半年吸金超 400 亿，彻底引爆“大脑派”军备竞赛。从底层架构的解耦到顶级算力的博弈，技术演进的齿轮正在加速转动。

后端架构

Spring Boot 4.1 和 MongoDB-backed Spring Batch jobs

Spring Boot 4.1 带来了一个让 NoSQL 爱好者振臂高呼的更新：Spring Batch 终于彻底解耦了 JDBC。长期以来，Spring Batch 为了存储 Job 元数据，强制要求引入一个关系型数据库，这对于深度使用 MongoDB 的团队来说，无疑是架构上的“累赘”。而 4.1 版本通过新的 spring-boot-starter-batch-data-mongodb 自动配置，完美解决了这个历史遗留问题。

这个更新不仅仅是少了一个数据源那么简单。它意味着 Spring Batch 的设计哲学从“为 SQL 服务”真正转向了“为状态服务”。开发者在构建 ETL 任务时，现在可以真正实现架构的纯粹性——用 Mongo 存元数据，用 CSV 读数据，用 Postgres 存业务数据，各司其职。结合 GraalVM Native Image 的内存优化和 OpenTelemetry 的可观测性增强，这让 Spring Batch 在云原生时代的生命力大幅增强。对于致力于打造轻量、高效微服务架构的团队来说，这是一个必须升级的里程碑。

行业动态

具身赛道现状素描：脑子灵，模型好，不是百亿，就是独角

视线转向 AI 领域，如果说去年的关键词是“大模型”，那今年无疑是“具身智能”。统计数据显示，2026 上半年国内具身智能融资总额已达 438 亿元，超过一半的资金疯狂涌入“大脑派”公司。资本逻辑发生了微妙转变：硬件被视为“兜底下限”，而决定机器人智能上限的“大脑”成了最大溢价来源。

更值得玩味的是技术路线的快速迭代。从去年的 VLA（视觉-语言-动作）模型，到今年近八成公司转向研发“世界模型”，赛道的技术风向标变换之快令人咋舌。这种极速迭代背后，是高校科研力量（尤其是清华、北大系）与自动驾驶老兵的集体入局。虽然市场普遍存在泡沫，甚至出现了“天使++++”这种刷新认知的融资轮次，但正如投资人所言，适度的泡沫是聚集人才的必要手段。这是一场关于未来的豪赌，虽然九成公司可能会倒下，但活下来的那几家，将重塑物理世界的交互方式。

深度观察

从后端架构的“去 SQL 化”到 AI 前沿的“唯大脑论”，我们看到了两个截然不同但同样深刻的技术趋势。在后端，技术演进的方向是解耦与归因——Spring Boot 不再强制捆绑技术栈，而是让开发者根据数据特性选择最合适的存储介质，这体现了架构成熟度的提升。而在 AI 领域，趋势则是收敛与重构——尽管技术路线从 VLA 跳到世界模型令人眼花缭乱，但资本的疯狂聚集实际上是在对“通用智能”的最终形态进行下注。

对于开发者而言，这意味着什么？后端工程师可以借此机会重构遗留系统，甩掉不必要的 SQL 包袱；而关注 AI 的开发者则需警惕，在追逐“世界模型”热潮时，别忘了底层数据基础设施才是核心竞争力。无论是代码还是模型，最终能落地的才是好技术。