I soli data center non costruiranno l'economia dell'AI

Google News ha portato alla luce un netto conflitto attorno al boom dei data center in North Carolina: ospitare infrastrutture per l'AI non garantisce la partecipazione all'economia dell'AI. Nuovi impianti possono attrarre investimenti, lavoro nell'edilizia e gettito fiscale. Tuttavia, i modelli, le applicazioni e il valore economico che vi operano potrebbero avvantaggiare clienti situati ben oltre la contea ospitante.

Questa distinzione cambia il dibattito. La questione non è più se le comunità debbano accettare o respingere i data center come categoria. È se ogni progetto trasformi terreni locali, elettricità, acqua e sostegno pubblico in capacità locali durature.

La North Carolina offre un banco di prova utile. Amazon ha annunciato un importante campus per infrastrutture AI nella Richmond County, mentre altre comunità stanno riconsiderando progetti di sviluppo proposti. Lo Stato sta inoltre elaborando politiche per la formazione della forza lavoro e l'adozione dell'AI. Queste decisioni rivelano la tensione principale: investimenti in infrastrutture contro un'ampia partecipazione economica.

Un data center è un'infrastruttura essenziale per l'economia AI di Google e dei suoi concorrenti. Tuttavia, le sole infrastrutture non formano i lavoratori, non aiutano le aziende locali ad adottare l'AI e non offrono ai ricercatori accesso alle risorse di calcolo. Questi benefici richiedono impegni separati.

Cosa ha davvero cambiato il dibattito su Google News

Il cambiamento importante è una definizione più rigorosa di ciò che conta come sviluppo economico dell'AI.

L'elenco fornito da Google News rimanda a un'argomentazione di WRAL secondo cui i soli data center non possono costruire l'economia dell'AI. Tale argomentazione mette in discussione una consueta narrativa sullo sviluppo. Un grande investimento di capitale diventa spesso una scorciatoia per parlare di posti di lavoro, innovazione e competitività futura.

Questi risultati non arrivano automaticamente insieme. Un progetto può ampliare la base imponibile degli immobili senza creare un settore software locale. Può impiegare personale specializzato per la gestione degli impianti lasciando invariate le piccole imprese vicine. Può supportare servizi AI utilizzati globalmente senza offrire alle università locali accesso alla capacità di calcolo sottostante.

Il collaboratore di WRAL Tom Snyder ha inquadrato questo problema attraverso la geografia di costi e benefici. Un data center occupa terreni locali e si collega alle utenze locali. I suoi carichi di lavoro possono servire aziende e utenti situati ovunque.

La sua analisi del valore locale sostiene che i server restano locali mentre i beneficiari diventano ampiamente distribuiti. Questo squilibrio è la preoccupazione centrale dell'articolo.

L'argomentazione non considera inutili i data center. Essi forniscono la capacità fisica necessaria per addestrare modelli, gestire servizi cloud e offrire strumenti AI. Creano inoltre domanda nel settore delle costruzioni, ruoli tecnici e asset imponibili.

L'inversione avviene quando i responsabili politici trattano questi contributi come una strategia economica completa. Le infrastrutture sostengono un'economia, ma la partecipazione dipende da chi può utilizzare produttivamente tali infrastrutture.

Questa distinzione ricorda i precedenti dibattiti sulla banda larga. Un percorso in fibra che attraversava una contea rurale non garantiva connessioni last-mile accessibili per i suoi residenti. Le infrastrutture potevano attraversare una comunità senza integrarla nel mercato digitale.

L'AI crea una possibilità simile. Una contea può ospitare rack di acceleratori mentre le sue scuole non offrono istruzione sull'AI. I produttori locali possono restare incapaci di automatizzare processi di routine. Gli imprenditori possono faticare a trovare talenti tecnici o risorse di calcolo utilizzabili.

Il data center diventa quindi un punto di partenza, non il prodotto finito. Il suo valore economico dipende dalle istituzioni circostanti, dai percorsi di formazione della forza lavoro e dall'adozione commerciale.

La copertura dei data center su Google News spesso enfatizza dimensione dei progetti, opposizione o domanda di elettricità. La domanda più impegnativa è quali capacità rimangano dopo che le squadre di costruzione se ne sono andate.

Questa domanda dovrebbe orientare incentivi, autorizzazioni, accordi educativi e pianificazione delle utenze. Stabilisce inoltre uno standard misurabile per i progetti futuri.

Un accordo riuscito dovrebbe rendere una comunità ospitante più capace di competere. La sola spesa in conto capitale non può dimostrare tale risultato.

La North Carolina sta testando il modello infrastructure-first

La North Carolina ha attratto impegni rilevanti, ma la scala della spesa rende più importanti i test sui benefici locali.

Amazon ha annunciato un investimento nella Richmond County per un campus di cloud computing e AI. Secondo l'azienda e i funzionari statali, il progetto dovrebbe creare almeno 500 posti di lavoro.

Il campus della North Carolina dovrebbe inoltre sostenere attività nell'edilizia e nella catena di fornitura. Le posizioni previste includono ruoli in ingegneria, networking, sicurezza e altri ambiti tecnici.

Amazon ha inoltre dichiarato che sosterrà università, college comunitari e programmi per la forza lavoro. Questa componente è importante perché porta il progetto oltre una semplice transazione tra edificio e utenze.

Tuttavia, gli impegni annunciati e i risultati realizzati appartengono a categorie diverse. Lo Stato dovrà monitorare chi riceve formazione, chi viene assunto e se le aziende locali entrano nella catena di fornitura.

Anche il numero di posti di lavoro richiede contesto. L'occupazione nel settore delle costruzioni può aumentare durante lo sviluppo del sito e diminuire quando iniziano le operazioni. I posti permanenti nei data center sono spesso specializzati e limitati rispetto all'intensità di capitale di una struttura.

L'intensità di capitale descrive un'attività che richiede attrezzature e infrastrutture consistenti per ogni lavoratore. I data center moderni rientrano in questo schema perché server e sistemi di alimentazione rappresentano gran parte della loro capacità produttiva.

Il quadro occupazionale nazionale mostra una crescita significativa, ma ancora concentrata. I dati del Census Bureau indicano che l'occupazione nei data center è aumentata di oltre il 60 percento tra il 2016 e il 2023.

Le conclusioni sulla forza lavoro dell'agenzia mostrano anche una concentrazione geografica. Tre contee della California rappresentavano il 60 percento dell'occupazione nei data center dello Stato. Quattro contee del Texas ne rappresentavano quasi il 75 percento.

La concentrazione può produrre benefici quando gli impianti formano un autentico cluster. I lavoratori possono passare da un datore di lavoro all'altro, i fornitori possono specializzarsi e i programmi di formazione possono rispondere a una domanda sostenuta.

Un impianto isolato offre un'opportunità diversa. Può comunque fornire posti di lavoro preziosi, ma è meno probabile che generi attorno a sé un intero settore tecnologico.

Per questo i dati sui posti di lavoro nei data center non possono risolvere la questione economica. I responsabili politici devono distinguere tra lavoro edile temporaneo, ruoli operativi permanenti, occupazione indiretta e spesa indotta.

Devono inoltre verificare se gli incentivi pubblici acquistino attività aggiuntiva. Un progetto che procederebbe senza un sussidio presenta un accordo diverso rispetto a uno che richiede sostegno pubblico.

L'impatto dei data center di Google va oltre le buste paga. Nuovi impianti possono richiedere sottostazioni, linee di trasmissione, sistemi idrici, strade e pianificazione delle emergenze. La ripartizione di tali costi incide sul valore pubblico netto del progetto.

Se gli sviluppatori finanziano le infrastrutture necessarie, le comunità affrontano una minore esposizione finanziaria. Se le famiglie assorbono i costi dell'espansione della rete, l'accordo locale diventa più difficile da difendere.

Il test della North Carolina è quindi più ampio di Amazon. Riguarda il modello di sviluppo utilizzato in ogni sito proposto.

Lo Stato può contare edifici e annunci di investimento. Costruire un'economia dell'AI richiede un altro bilancio che copra competenze, adozione, ricerca, imprenditorialità e costi per le famiglie.

I data center costruiscono capacità, non produttività automatica

La capacità di calcolo diventa economicamente trasformativa solo quando le aziende riorganizzano il lavoro attorno a essa.

Il meccanismo centrale inizia dalla capacità di calcolo. I data center forniscono processori, archiviazione, networking, raffreddamento e alimentazione necessari per gestire sistemi AI.

Questa capacità riduce un vincolo. Non risolve le sfide organizzative che impediscono alle imprese di adottare efficacemente l'AI.

Un piccolo produttore potrebbe ottenere accesso a un servizio AI ma non disporre di dati di produzione puliti. Un ospedale può avere modelli adatti ma affrontare ostacoli di integrazione, privacy e flusso di lavoro. Un rivenditore può testare un assistente senza riprogettare alcuna decisione attorno al suo output.

Questi esempi spiegano perché la spesa per infrastrutture può comparire nei dati economici prima che la produttività migliori. Costruzioni e acquisti di attrezzature contribuiscono agli investimenti correnti. I più ampi guadagni di produttività arrivano soltanto quando molte imprese utilizzano con successo la tecnologia.

I ricercatori della Federal Reserve descrivono una sequenza per le tecnologie di uso generale. Miglioramenti delle capacità e riduzione dei costi precedono l'adozione diffusa. L'adozione precede poi cambiamenti misurabili nella produttività e nei mercati del lavoro.

Il loro quadro di indicatori dell'AI separa capacità, adozione da parte delle imprese, investimenti, produttività e lavoro. Questa struttura aiuta a distinguere un boom infrastrutturale da una trasformazione economica.

I ricercatori avvertono inoltre che le statistiche aggregate non contengono una categoria pulita di investimenti nell'AI. Gli analisti spesso deducono la spesa per l'AI da dati più ampi su attrezzature, software, costruzioni e infrastrutture elettriche.

Questa limitazione è importante. Un nuovo impianto energetico può supportare carichi di lavoro AI, industria convenzionale o l'affidabilità generale della rete. Le apparecchiature di comunicazione possono servire data center insieme a sistemi mobili e di radiodiffusione.

La stessa cautela vale per le affermazioni sulla produttività. Un'impresa può acquistare strumenti AI senza implementarli in profondità. I dipendenti possono sperimentare chatbot mentre i processi principali restano invariati.

Un'adozione significativa richiede investimenti complementari. Le aziende hanno bisogno di dati adeguati, formazione dei dipendenti, controlli di sicurezza, progettazione dei flussi di lavoro e sostegno della direzione.

Anche i lavoratori hanno bisogno di un modo per verificare gli output. I sistemi AI possono produrre errori plausibili, quindi gli utilizzi ad alto rischio richiedono processi di revisione e una chiara responsabilità.

Le imprese locali raramente sviluppano queste capacità solo perché nelle vicinanze esiste un campus di server. La maggior parte dei servizi AI commerciali può operare da regioni remote con tempi di risposta accettabili.

La vicinanza fisica offre quindi un valore limitato, a meno che un accordo non crei un accesso locale intenzionale. Tale accesso potrebbe includere calcolo per la ricerca, assistenza tecnica, laboratori condivisi, programmi di approvvigionamento o formazione legata a datori di lavoro reali.

Questa è la debolezza di una strategia infrastructure-first per l'economia AI di Google. Presuppone che l'offerta di capacità di calcolo attragga adozione, competenze e imprenditorialità nella stessa area geografica.

Talvolta i cluster si formano. La Northern Virginia combina infrastrutture dense, lavoratori esperti, connessioni in fibra, aziende cloud, appaltatori e domanda governativa. Ogni componente rafforza gli altri.

Tuttavia, copiare un componente non riproduce il cluster. Un edificio di server in una contea rurale non attira automaticamente sviluppatori di modelli o startup software.

La copertura di Google News può far sembrare i singoli progetti misurazioni dirette del progresso dell'AI. Il meccanismo economico è più lungo e meno visibile.

La capacità di calcolo abilita le applicazioni. Le applicazioni devono entrare nei flussi di lavoro. I flussi di lavoro devono migliorare output, qualità, velocità o processo decisionale. Questi guadagni devono poi diffondersi in un numero sufficiente di imprese da incidere sulla produttività regionale.

Ogni fase può fallire indipendentemente. Per questo la capacità dei data center rappresenta un'infrastruttura necessaria, non una prova sufficiente dell'esistenza di un'economia dell'AI.

La vera sfida è ospitare o partecipare

Il principale antagonista non è rappresentato dai data center contrapposti alla loro assenza, ma dall'ospitare infrastrutture anziché catturarne il valore a valle.

Una strategia limitata all'ospitalità si concentra sulla preparazione del sito. Le autorità mettono insieme terreni, energia, acqua, autorizzazioni e incentivi. Gli sviluppatori costruiscono le strutture e le gestiscono per clienti lontani.

Una strategia di partecipazione parte dalla stessa infrastruttura, ma si chiede cosa ottengano le istituzioni locali. Collega gli accordi di sviluppo a formazione, accesso alla ricerca, adozione da parte delle piccole imprese, banda larga e opportunità per i fornitori.

I ricercatori di Brookings sostengono che il modello di sviluppo convenzionale generi attività edilizia e gettito fiscale nel breve termine. Spesso produce relativamente poca attività tecnologica locale duratura.

Il loro quadro per la prosperità locale afferma che l'intensa concorrenza per siti idonei offre alle comunità potere negoziale. Le regioni possono chiedere percorsi per la forza lavoro, partnership di ricerca e risorse di calcolo condivise.

Questo approccio non richiede che ogni contea diventi la Silicon Valley. Richiede percorsi credibili, coerenti con le industrie e le istituzioni locali.

Una regione con una manifattura avanzata potrebbe dare priorità all'ispezione della qualità con l'AI, alla manutenzione predittiva e alla cybersecurity industriale. Un polo sanitario potrebbe sostenere la ricerca sulle operazioni cliniche e la governance dei dati medici.

Le comunità agricole potrebbero concentrarsi sul monitoraggio delle colture, la logistica e la manutenzione delle attrezzature. I community college potrebbero formare elettricisti, tecnici di rete, specialisti del raffreddamento e professionisti della cybersecurity.

Si tratta di collegamenti economici concreti. Connettono le infrastrutture a servizi che i datori di lavoro locali possono acquistare e a competenze che i residenti possono offrire.

L'economia dell'AI di Google dipende da attività complementari di questo tipo. Google, Amazon, Microsoft e Meta costruiscono infrastrutture perché i clienti richiedono cloud computing e servizi di AI. Le comunità ospitanti hanno bisogno di meccanismi che trasformino questa domanda in capacità locali.

Un meccanismo è l'approvvigionamento. Gli sviluppatori possono pubblicare in anticipo le esigenze relative ai fornitori e aiutare le imprese regionali a qualificarsi per i contratti.

Un altro è la formazione legata a posti di lavoro verificati. I programmi dovrebbero partire dalla domanda professionale, dalle certificazioni richieste, dai salari e dalle tempistiche di assunzione. I corsi generici di sensibilizzazione sull'AI non possono sostituire tale allineamento.

L'accesso alla ricerca offre un terzo meccanismo. Università e startup possono beneficiare di crediti, capacità dedicata, laboratori condivisi o partnership connesse a problemi locali.

L'adozione da parte delle piccole imprese è altrettanto importante. Molte aziende locali hanno bisogno di aiuto per selezionare casi d'uso circoscritti e misurabili. Necessitano inoltre di indicazioni su sicurezza, qualità dei dati e revisione da parte dei dipendenti.

I fondatori hanno bisogno di più di eventi ispirazionali. Servono clienti, mentor tecnici, capitali, accesso ai dati e accordi affidabili per il calcolo.

La banda larga rimane parte del pacchetto. Residenti e piccole imprese non possono partecipare con continuità se la connettività dell'ultimo miglio resta inaffidabile o inaccessibile.

Gli accordi pubblici possono trasformare queste idee in risultati concreti. Possono specificare coorti formative, iniziative di contatto con i fornitori, risorse per la ricerca, progetti di banda larga e rendicontazione annuale.

Gli obiettivi dovrebbero misurare i risultati anziché l'attività. L'iscrizione a un corso è un'attività. Completamento, collocamento lavorativo, progressione salariale e permanenza presso il datore di lavoro sono risultati.

La stessa regola vale per il sostegno alle imprese. La partecipazione ai workshop dice poco sull'adozione. Cambiamenti misurati nei tempi di produzione, nelle vendite, nei tassi di errore o nel servizio clienti forniscono prove più solide.

Questo modello di partecipazione rafforza anche la legittimità politica. I residenti possono vedere benefici oltre la promessa astratta che la crescita globale dell'AI finirà per raggiungerli.

L'alternativa lascia le comunità esposte a uno schema familiare. Forniscono risorse a un'industria di valore mentre le attività a margine più elevato si accumulano altrove.

I soli data center non impediranno questo esito. Collegamenti negoziati tra infrastrutture e istituzioni locali offrono una possibilità migliore.

Cosa non possono dimostrare i titoli di Google News

Gli annunci di progetto non possono stabilire il valore economico netto, perché diversi costi e benefici restano incerti.

La prima incertezza riguarda l'occupazione permanente. Un grande cantiere può sostenere una quantità significativa di lavoro temporaneo. Le operazioni richiedono meno persone perché le strutture sono altamente automatizzate.

Questi posti di lavoro possono comunque essere ben retribuiti e preziosi. Il punto degli scettici riguarda la scala, non il valore.

Una comunità dovrebbe confrontare l'occupazione permanente con l'uso del suolo, gli impegni infrastrutturali, gli incentivi e i costi opportunità. Dovrebbe inoltre separare le posizioni dirette dalle stime basate su modelli dell'occupazione indiretta.

La seconda incertezza riguarda chi ottiene i posti di lavoro. I ruoli specializzati potrebbero attirare lavoratori dall'esterno della contea ospitante. Questo esito può comunque aiutare l'economia regionale, ma indebolisce le affermazioni sulla mobilità locale.

Gli accordi formativi dovrebbero quindi riportare residenza dei partecipanti, completamento, assunzione e permanenza. Questi dettagli rivelano se i residenti ottengono accesso a nuove carriere.

La terza incertezza riguarda l'esposizione della rete elettrica. I data center richiedono elettricità continua, mentre i carichi di lavoro dell'AI possono aumentare notevolmente la domanda. Nuovi progetti di generazione e trasmissione possono richiedere anni.

Utility e autorità di regolamentazione devono decidere chi finanzia l'espansione. Contratti a lungo termine, requisiti di pagamento minimo e infrastrutture finanziate dagli sviluppatori possono ridurre il rischio per le famiglie.

Anche le previsioni della domanda contengono incertezza. Una struttura proposta potrebbe arrivare più tardi del previsto, operare al di sotto della scala pianificata o non essere mai completata.

Se le utility costruiscono infrastrutture per una domanda che non si materializza, altri clienti possono ritrovarsi ad affrontare costi non recuperabili. Un costo non recuperabile è un investimento che rimane non ripagato dopo la scomparsa della domanda prevista.

La domanda d'acqua varia in base al sistema di raffreddamento, al clima e alle condizioni operative. Le comunità hanno bisogno di stime specifiche per progetto, non di ipotesi derivate da un'altra struttura.

Anche rumore, generazione di backup, traffico stradale e conversione del suolo contano a livello locale. Questi impatti non dimostrano che un progetto sia indesiderabile. Devono essere inclusi nello stesso bilancio di investimenti e gettito fiscale.

La quarta incertezza riguarda l'adozione. Anche una struttura di successo dice poco sul fatto che i datori di lavoro vicini utilizzino l'AI in modo produttivo.

Le politiche statali possono colmare parte di questo divario. La roadmap AI 2026 del North Carolina chiede programmi di transizione della forza lavoro, collegamenti con i datori di lavoro, credenziali brevi e monitoraggio del mercato del lavoro.

La roadmap AI statale riporta che l'AI Academy della North Carolina State University collabora con più di 100 organizzazioni del settore. Afferma che l'accademia ha preparato più di 2.000 persone per carriere nell'AI.

Queste cifre descrivono una base, non una transizione statale già completata. Le valutazioni future dovrebbero monitorare il collocamento lavorativo, l'accesso tra le regioni e i risultati per i lavoratori esposti all'automazione.

L'ultima incertezza riguarda i tempi. Gli investimenti infrastrutturali appaiono rapidamente. La produttività e la creazione di nuove imprese possono richiedere anni.

Questo divario temporale crea una tentazione politica. Le autorità possono annunciare immediatamente impegni di capitale, mentre i risultati più difficili ricadono oltre gli attuali cicli di bilancio.

Le notizie sui data center in Google News dovrebbero quindi essere lette come segnali di progetto, non come verdetti economici definitivi. Gli annunci rivelano l'intento. I risultati operativi rivelano il valore.

Nessuna singola metrica può risolvere la questione. Occupazione, gettito fiscale, costi delle utility, uso dell'acqua, spesa presso i fornitori, risultati della formazione e adozione dell'AI devono essere considerati insieme.

I sostenitori non dovrebbero sopravvalutare una prosperità automatica. I critici non dovrebbero liquidare ogni posto di lavoro qualificato o contributo fiscale. Entrambe le posizioni diventano più credibili quando sono legate a risultati locali misurabili.

Tre segnali indicheranno se la strategia funziona

La prossima fase dovrebbe essere giudicata in base a impegni vincolanti, risultati di adozione e rendicontazione pubblica trasparente.

Il primo segnale è il contenuto degli accordi di progetto. Le comunità dovrebbero cercare requisiti applicabili che coprano costi infrastrutturali, programmi per la forza lavoro, accesso dei fornitori e rendicontazione.

Un accordo solido identifica chi paga gli aggiornamenti delle utility. Definisce categorie occupazionali e calendari di rendicontazione. Stabilisce inoltre rimedi quando gli impegni non vengono rispettati.

Gli annunci volontari forniscono prove più deboli. Possono descrivere intenzioni utili senza garantire durata, finanziamento, idoneità o risultati misurabili.

Se i futuri progetti del North Carolina includeranno impegni vincolanti per le capacità locali, la tesi della partecipazione si rafforzerà. Se gli accordi si concentreranno solo sui totali degli investimenti, il modello limitato all'ospitalità resterà dominante.

Il secondo segnale è l'adozione al di fuori della struttura. Le agenzie statali e locali dovrebbero misurare se produttori, fornitori sanitari, aziende agricole, rivenditori e studi professionali vicini utilizzano efficacemente l'AI.

Indicatori utili includono la quota di imprese che implementano l'AI, il completamento della formazione dei dipendenti, cambiamenti di produttività documentati e la creazione di nuove imprese legate all'AI.

Lo standard non dovrebbe essere la sperimentazione con chatbot. Dovrebbe essere l'uso ripetibile all'interno di flussi di lavoro reali, con revisione umana e valore misurabile.

Anche l'approvvigionamento locale rientra in questo ambito. La crescita di fornitori regionali qualificati dimostrerebbe che la spesa infrastrutturale circola nell'economia circostante.

Se l'adozione aumenta nei settori locali, i data center diventano una componente di una strategia più ampia. Se l'utilizzo resta concentrato tra le aziende nazionali, l'ospitalità fisica non ha prodotto una partecipazione diffusa.

Il terzo segnale è una rendicontazione trasparente di costi e benefici. Le autorità di regolamentazione e i governi locali dovrebbero pubblicare informazioni a livello di progetto ogniqualvolta i contratti lo consentano.

La rendicontazione dovrebbe coprire posti di lavoro permanenti nei data center, occupazione nella costruzione, gettito fiscale, incentivi, potenziamenti della rete, domanda d'acqua e spesa pubblica.

Dovrebbe distinguere tra le affermazioni delle aziende e i risultati riportati in modo indipendente. Dovrebbe inoltre aggiornare le cifre dopo l'inizio delle operazioni delle strutture.

Una rendicontazione coerente migliorerebbe i confronti tra le contee. Potrebbe mostrare quali accordi creano benefici duraturi e quali trasferiscono rischi eccessivi.

Il risultato aiuterebbe anche gli sviluppatori. Le aziende che offrono condizioni migliori alle comunità potrebbero differenziare i loro progetti e ridurre l'opposizione.

Questi tre segnali creano un test pratico per la tesi di Google News. Accordi migliori mostrano se gli sviluppatori accettano responsabilità. Un'adozione più ampia mostra se l'economia locale acquisisce capacità. La rendicontazione pubblica mostra se l'accordo funziona.

Il North Carolina non deve scegliere tra respingere le infrastrutture AI e approvare ogni proposta. Può stabilire condizioni che colleghino la costruzione alla partecipazione.

I lettori dovrebbero porsi una domanda ogni volta che il prossimo grande progetto appare in Google News: cosa sarà in grado di fare in seguito la comunità ospitante che non può fare ora?

Se la risposta include competenze più forti, adozione locale produttiva, accesso alla ricerca e finanziamento responsabile delle infrastrutture, il progetto sostiene un'economia dell'AI. Se la risposta è solo più server, il progetto resta una localizzazione di asset.