AWS在年度re:Invent大会中，发布多项无服务器运算服务AWSLambda的更新，包括，并且开始支持，而且，也从原本毫秒，降低至1毫秒。
现在用户可以分配给Lambda函数的内存，是过去的3倍达到10GB，而依AWS内存线性分配CPU和其他资源的规则，代表用户现在可以在每个执行环境，存取最多6个vCPU，这使得多线程和多程序应用程序的执行速度，能够获得提升，AWS提到，因为Lambda的计费方式，与内存配置量和函数执行时间成正比，使用比较多的内存，虽然要付出较多的费用，但可能因为执行速度较快时间较短，因此抵销额外增加的费用。
由於有更多的内存和CPU资源，加上对AVX2指令集的支持，AWSLambda现在可以支持更多的使用案例，包括机器学习应用程序，或是批次处理与ETL等数据处理工作，也能用於游戏、媒体处理或是高性能运算工作负载。
另一项新功能，是可以在AWSLambda中使用容器工具，现在用户可以将Lambda函数，打包成最大10GB的容器映像文件，并且部署到Lambda上，这种方式可以降低，有较多相依项目的工作负载部署复杂性，像是机器学习或是数据密集型的工作负载，AWS提到，像是原本将函数打包成ZIP文件一样，以容器映像文件的形式部署，同样可以获得自动扩展、高可用性，并且与其他服务原生整合的特性。
AWS对所有LambdaRuntime，包括Python、Node.js、Java、.NET、Go和Ruby，提供基础映像文件，用户可以在这些基础映像文件中，添加程序码和相依项目，同时AWS也提供以AmazonLinux为基础的基础映像文件，给自定义Runtime使用，而且用户也可以将建构在Alpine或DebianLinux之上的映像文件，部署到Lambda中，不过要使用Lambda，这些映像文件必须要实例化LambdaRuntimeAPI。
AWS还开源了LambdaRuntime接口模拟器，让用户可以在本机端测试容器映像文件，以确定容器映像文件部署到Lambda时，可以正确运作，这个模拟器随附在所有AWS提供的映像文件中，但也可以与任意的映像文件一起使用。
AWS还更新了Lambda的计价方式，Lambda用户依程序码触发次数和执行时间付费，单位执行时间则四舍五入至毫秒，也就是说，未满毫秒的运算，会以毫秒的运算时间计费，而现在，单位执行时间从毫秒降至1毫秒，没有最小执行时间的限制，AWS提到，这个新的定价方式，可降低用户大部分运算时间花费，尤其是执行时间远低於毫秒的函数。