广东高校计算机网络与信息系统工程技术研究中心（以下简称工程中心），2009年由广东省教育厅批准立项，依托华南师范大学建设，并得到广东省高等学校科技创新平台项目的支持。2015年1月，正式通过省教育厅组织的验收,随后一直正常运行。
华南师范大学是国家“211工程”重点建设大学、省部共建高校和国家“一流学科”建设高校。工程中心依托教育技术国家重点学科以及计算机、电子信息、通信工程等优势学科群，聚焦应用基础研究与关键技术攻关、集成创新和成果转化，是一个多学科、跨部门的产学研用协同创新平台，试图打通学术研究与产业应用的鸿沟，促进科技创新与产业创新深度融合。
工程中心聚焦云计算和移动互联网，设2个主要研究方向：（1）云计算及新兴平台软件；（2）移动自组织网络。
工程中心团队合作缘起于清华大学，从对等网络到自组织网络，从网格计算到云计算，在网络计算领域进行了近20多年的基础研究与工程实践，相关工作得到国家自然科学基金、广东省重大科技专项和应用型科技研发重大项目的支持，是国内最早从事云原生计算研究的团队之一。
工程中心实行依托单位领导下的主任负责制和技术委员会咨询制。
工程中心依托单位华南师范大学聘任许骏担任工程中心主任，柳泉波、王冬青担任工程中心副主任。
工程中心设立技术委员会，对工程技术研究和开发活动进行指导，审议和确定发展战略、研究方向、研究开发计划、重大学术活动、开放研究课题等。中国工程院院士、中国科学院计算技术研究所研究员倪光南担任技术委员会主任。
近十多年来，工程中心团队专注于云计算相关的研究，这一工作开始于2007年，这一年也是国内云计算的元年，工程中心团队关注云计算，并非赶时髦追热点，而是顺势而为，因为有比较扎实的工作基础和研究积累，2002至2005年，承担了国家自然科学基金重大研究计划项目，在网格计算支撑环境与中间件技术研究取得重要成果，相关工作被评价为“我国网格计算应用研究的重大进展”。2006年，团队核心成员引进到华南师范大学工作，《对等科研协作网络研究》当年获国家自然科学基金资助，提出融合对等计算、自组织网络和网格计算的新型网络计算模式，实现了从网格计算到云计算的研究重心迁移，成为国内最早一批从事云计算研究的团队之一。
组建工程中心是团队布局云计算研究的一项重要举措，成立之初，团队论证云计算方面的重大科研项目，2012年5月，《云计算若干关键技术及产业化与“粤教云”工程》获广东省重大科技专项支持，2012年7月，广东省人民政府发布《关于加快推进我省云计算发展的意见》，将电子政务云、粤教云等列为重点示范应用项目。
2012年前后，以容器、微服务和DevOps为代表，云计算发展进入云原生阶段，加速了应用与基础设施之间的解耦，推动了以应用为中心的多云/混合云架构的到来，云计算的本质发生了根本改变，从服务化资源交付向云原生价值赋能升华。工程中心团队抓住这一发展机遇，聚焦云操作系统等新型基础软件研发及产业化，是国内最早从事容器云及云原生计算研究的团队之一。
工程中心团队传承了高校重视基础研究的基因，围绕大规模分布式计算系统的重大科学问题——灵活高效、安全可靠的资源管理和应用管理，提出大规模分布式节点失效检测方法、共享状态容器调度算法和有状态容器服务迁移方法，突破跨地域大规模集群管理、高效并行应用编排、有状态应用在线迁移和零信任认证与授权等共性关键技术，取得《支持混合异构运行时的云边资源管理调度方法及系统》等近10项发明专利。相关工作得到国家自然科学基金、广东省重大科技专项和应用型科技研发重大项目的支持。
工程中心团队的云计算研究，坚持以基础研究引领工程实践、以工程实践倒逼基础研究，让科研成果不止于出版专著和发表论文，也就是“上书架”，还要“上货架”，将科研成果转化为实际应用、产生效益。基于基础理论和共性关键技术研究取得的突破，工程中心团队与产业界合作，研发了云操作系统等基础软件，牵头组织实施了广东省“粤教云”工程和深圳教育大数据工程。2022年10月，工程中心团队承担的广东省重大科技专项计划项目《容器云关键技术及产品研发与示范应用》通过省科技厅组织的验收，这标志着工程中心团队云计算研究第一阶段圆满收官。
工程中心团队从涉足云计算的第一天起，就明确提出云计算、大数据和AI三位一体协同发展的技术路线，并坚定不移地执行至今，这为团队近年来从事大模型的相关研究打下了坚实的基础。
以大模型为代表的生成式人工智能已成为全球科技创新的前沿领域。云计算特别是云原生理念和技术，在大模型发展进程中发挥了关键作用，大模型的成功，彰显了云计算对推动人工智能跨越式发展的重大价值。当然，人工智能的发展也对云计算提出了新的挑战，为了更好地满足大模型训练和推理服务的需求，亟须以智能化为内核重塑云计算系统，推动云计算平台从服务传统计算任务向服务智能计算转变，从2023年起，工程中心团队聚焦与此相关的研究，在基础软件与大模型融合创新方面取得重要进展。
数据是大模型训练的基础要素，也是制约大模型能力提升的核心瓶颈，数据的形态、质量与规模直接决定智能系统的能力边界。超越自然语言的局限、发展“自然语言+形式化语言”的数据生态，并以数据创新引领算法创新，是破解大模型推理能力提升技术瓶颈的有效途径之一。在教育行业，不论是国家课程数字教材，还是教育考试测评场景的问题-解答类数据，都属于“自然语言+形式化语言”的混合数据，可望为大模型创新发展提供高质量的数据支撑。因此，工程中心团队主张既要重视人工智能技术如何赋能教育的问题，更要思考教育能够为人工智能技术进步带来什么，即教育数字化能否主动牵引而不只是被动跟随人工智能技术变革？工程中心团队此前在“粤教云”工程、深圳教育大数据工程和国家课程数字教材工程的成功实践，为大模型数据创新打下了扎实的基础。
从2023年初开始，工程中心团队核心成员柳泉波博士和博士研究生陈浩牵头，组织实施《大模型数据创新工程及关键基础软件与行业示范应用》重大项目，得到张景中院士等著名专家学者的关心和支持，以及行业领军企业的积极参与和紧密合作，取得的阶段性成果令人鼓舞。