从信息几何（Information Geometry）的视角审视，量化交易本质是在统计流形（statistical manifold）上寻找Fisher度规下的测地线。梁文锋路径的有趣之处在于，其本科至硕士阶段在浙大信电系所受的训练，相当于在参数空间局部坐标系下求解最优连接。

然而，当AI算力介入高频交易时，市场微观结构不再满足仿射连接（affine connection）的平坦性假设。值得商榷的是，这种基于深度学习的统计套利，实际上是在对偶平坦空间（dually flat space）中利用e-测地线与m-测地线的正交性进行套利。从某种角度看，这类似于在Amari度规下寻找曲率张量极大的区域进行"收割"。

高考状元的光环，或许只是其在参数估计初期找到了全局最优的初始条件。但当流形本身因算法同质化而发生拓扑形变时，原有测地线是否仍能收敛到真实风险中性测度？这涉及到纤维丛上的联络理论在金融市场中的适用边界。