AWS a annoncé le 18 novembre 2026 la disponibilité générale des fonctions Lambda avec GPU sur Lambda Managed Instances. La nouveauté concerne les Event Functions déployées sous forme d’images de conteneur, et non l’ensemble des fonctions Lambda. AWS associe ces fonctions à des instances EC2 G-series et les destine principalement à l’inférence. (Annonce d’AWS)
À quelles fonctions AWS accorde-t-il l’accès au GPU ?
L’exécution GPU s’applique aux Event Functions sur Lambda Managed Instances. AWS a indiqué prendre en charge, au lancement, les familles EC2 G4dn, G5, G6, G6f, Gr6, Gr6f et G6e. Le déploiement passe par une image de conteneur : il ne s’agit pas d’activer un GPU sur n’importe quelle fonction Lambda existante.
AWS positionne cette capacité pour l’inférence et les modèles personnalisés, ainsi que pour des tâches comme le traitement multimédia, le rendu et le calcul scientifique. Elle est optimisée pour l’inférence plutôt que pour l’entraînement ; AWS distingue également ces usages des grands modèles fondamentaux accessibles via des services comme Amazon Bedrock.
Quels usages et quels réglages AWS met-il en avant ?
Les limites annoncées donnent une idée des ressources configurables : la mémoire de la fonction va de 2 048 à 32 768 Mo, et la mémoire de l’accélérateur de 3 à 48 Go. Le stockage temporaire peut atteindre 32 Go. Une image de conteneur peut peser jusqu’à 32 Go, avec une limite de 10 Go par fichier, et un environnement d’exécution peut recevoir jusqu’à 48 requêtes simultanées.
Dans sa démonstration, AWS utilise l’image CUDA de vLLM et le modèle Qwen/Qwen2.5-1.5B-Instruct. Sa configuration affiche 16 384 Mo de mémoire, 32 Go de stockage temporaire, une mémoire d’accélérateur de 16 Go et quatre requêtes simultanées par environnement. Ce sont les paramètres de cet exemple, pas un réglage universel.
AWS rapporte que quatre appels concurrents à son exemple se terminent à peu près dans le temps d’un seul, et qu’il a fallu environ dix minutes pour passer de l’identifiant du modèle à un point de terminaison actif. Ces résultats décrivent cette démonstration avec vLLM et Qwen.
Pour préparer un déploiement, AWS recommande de vérifier le quota de compte pour les instances G-series à la demande : un nouveau compte peut commencer avec un quota nul. La publication d’une version de la fonction permet, dans l’exemple d’AWS, de télécharger le modèle et de chauffer le moteur avant de servir le trafic.
Comment suivre l’activité du GPU ?
AWS indique que la console Lambda et CloudWatch donnent accès aux métriques d’utilisation du GPU, d’utilisation de sa mémoire, de mémoire GPU utilisée et d’utilisation de la puissance GPU. Ces mesures permettent de suivre les ressources de l’environnement pendant son exécution.
Combien de temps une invocation peut-elle durer ?
La durée maximale dépend du mode d’invocation. AWS fixe le plafond d’une invocation ordinaire à 30 minutes ; les invocations asynchrones et celles déclenchées par un mappage de source d’événements sur Lambda Managed Instances peuvent aller jusqu’à 90 minutes, sauf pour les mappages Amazon MQ et Amazon DocumentDB. (Quotas AWS Lambda)
| Mode d’invocation | Durée maximale | Conditions |
| Invocation ordinaire | 30 minutes | Plafond ordinaire documenté par AWS. |
| Invocation asynchrone ou par mappage de source d’événements sur Lambda Managed Instances | Jusqu’à 90 minutes | Exception pour les mappages Amazon MQ et Amazon DocumentDB. |
Pour évaluer une tâche longue, partez du mode de déclenchement : le plafond de 90 minutes ne s’applique pas à toutes les invocations.
Quelles composantes AWS facture-t-il ?
AWS décrit trois éléments de facturation : le tarif de l’instance EC2 sous-jacente, une commission de gestion de 9,75 % pour les instances GPU et 0,20 $ US par million de requêtes Lambda. Les Savings Plans et les Reserved Instances s’appliquent au coût de l’instance EC2. (Détail tarifaire dans l’annonce d’AWS)