近几年来,随着人工智能相关技术的日渐成熟,人工智能开始步入商业化阶段,人工智能技术落地的应用场景越来越多,人工智能产业链逐渐完善。受国家政策和市场环境驱动,人工智能开始与传统产业融合发展,为传统产业重新赋能,带动传统产业的创新与效率提升,成为传统产业在智能化时代实现转型升级的有利武器。能源作为国家经济生活的支柱性产业,面临着能源资源日益枯竭、环境问题日益严重、能源管理系统日趋复杂多变等困境。2015年国家相继出台了“互联网+”、智慧能源等政策,加速了人工智能与能源产业的融合发展进程,能源系统的智能化发展已成为大势所趋。本文首先深度解析了现阶段我国人工智能发展状况与能源产业的发展现状,发现当前仅北京、上海、江苏、浙江和广东地区的人工智能发展较为成熟且发展增速迅猛,全国其他地区的人工智能发展仍处于萌芽阶段,尚未表现出蓬勃发展的迹象,人工智能的发展表现出严重的地区不平衡现象。因此在对地区层面上人工智能与能源产业融合发展的问题研究中将上述五省作为代表省份进行相应的实证研究。为客观、全面衡量当前人工智能与能源产业的综合发展水平,分别构建了两系统的综合评价指标体系。鉴于人工智能发展评价指标体系尚无先例可循,本文采用因子分析法构建了衡量人工智能发展状况的综合发展评价指标体系并验证了该评价指标体系的科学、合理性。进而,采用熵权法分别对全国层面和代表省市人工智能与能源产业的各评价指标客观赋权,最终得到了2011-2017年间、全国层面和代表省市的人工智能和能源产业的综合发展指数,发现地区人工智能的技术水平、科研教育水平以及金融支持度是制约地区人工智能发展的重要因素,我国人工智能发展处于技术推动阶段。最终结果表明,当前我国的能源产业发展至瓶颈期,发展增速缓慢,而人工智能发展速度迅猛;在代表省市中,由于政治经济地位、自然资源禀赋等的差异,能源产业和人工智能发展均表现出不平衡的发展现状;其中,北京、上海的人工智能发展优于能源产业的,属于重科技轻能源的地区发展模式,广东和江苏的发展模式兼顾科技与能源的协同发展,浙江省人工智能和能源产业的发展及发展增速均处于较低水平。为探究全国及地区层面上人工智能与能源产业的融合发展进程,基于耦合度及耦合协调度模型,分别测度了2011-2017年间全国层面和代表省市中两系统的耦合度及耦合协调度,根据耦合协调度的阶段划分得到如下结果:统计期内,全国层面上人工智能与能源产业的耦合度处于较高水平,但在2012年开始才正式进入协调发展阶段;五个代表省市中人工智能与能源产业的耦合协调发展程度不尽相同,均表现出比较优异的耦合发展,但协调发展水平存在较大的地区差异。北京最早实现两系统的耦合协调发展,广东、江苏和浙江也相继实现了耦合协调发展,上海截至统计期末仍未实现人工智能与能源产业的耦合协调发展。为探寻人工智能与能源产业的融合发展对地区能源产业发展水平的影响,本文以广东和江苏两省为代表,首先利用能源产业的综合评价指标体系分别测算了2000-2017年间两省的能源产业综合发展指数。运用合成控制法,在考虑了地区经济发展水平、受教育水平、财政支出、外商投资、产业结构以及科技水平这六项因素对能源产业发展水平的影响之后,观察了2000-2017年间两地的能源产业综合发展水平受人工智能与能源产业融合发展程度的影响。研究结果表明,两省的人工智能与能源产业只要实现了耦合发展,就能够推进当地能源产业综合发展指数的提高,且年均增速均在20%以上。这一实证结果通过了安慰剂检验和排序检验,在10%的水平下显著,表明了实验结果的稳健性和有效性,从数据角度有力的证实了人工智能在重新赋能传统产业上的巨大潜力。考虑到人工智能的发展不平衡现象,本文从人才培养视角出发,分析了现阶段我国人工智能市场上的人才供求关系与高校教育模式现状,指出要想发挥出人工智能对能源产业的增长驱动作用,在人工智能与能源相关学科的人才培养上可能的创新路径。最后,根据本文的研究结论,在如何推进地区间人工智能的协调发展、怎样因地制宜引导地区人工智能与能源产业的融合进程以及在加快转变人工智能领域的多学科背景的交叉复合型人才培养的问题上,提出相应的政策建议,以期将人工智能的科技红利最大化,助力我国智慧能源的建设。该论文有图31个,表20个,参考文献125篇。