Publiquei aqui no blog, em 8 de abril, o artigo sobre o lançamento do Amazon S3 Files, a novidade que finalmente uniu object storage e file system em uma mesma camada. De lá pra cá, a AWS não ficou parada. Em menos de três semanas, soltou uma sequência de lançamentos complementares que, quando lidos em conjunto com outros movimentos de 2025 e 2026, revelam uma aposta estratégica clara sobre como a AWS quer servir workloads de IA generativa e agentes.
Este artigo é uma continuação prática do primeiro. A ideia é trazer um panorama das atualizações, conectar com o movimento maior da AWS em direção à IA e oferecer pontos que valem análise antes de tomar decisões de arquitetura.
Relembrando o ponto de partida
Para quem ainda não leu a parte 1, o resumo é: o S3 Files permite montar um bucket S3 como sistema de arquivos NFS v4.2 em qualquer recurso de compute da AWS. A promessa é eliminar o custo operacional de baixar objetos, processar localmente e reenviar, substituindo essa ginástica por acesso direto com semântica POSIX. Por trás da abstração, a AWS usa o Amazon EFS como camada de cache, e o pricing fica em torno de 0,30 USD por GB ao mês no armazenamento cacheado.
Com isso fresco na memória, vamos às novidades.
Atualização 1: AWS Lambda ganhou suporte nativo ao S3 Files
Anunciada em 21 de abril de 2026, essa integração é a mais impactante do ponto de vista arquitetural. Funções Lambda agora podem montar buckets S3 diretamente como sistema de arquivos, sem precisar baixar o objeto para o storage efêmero (/tmp) nem abrir conexão com EFS separadamente.
O que muda na prática:
Várias funções Lambda conseguem conectar ao mesmo file system S3 Files simultaneamente, compartilhando estado sem lógica custom de sincronização. A configuração é feita pelo console, AWS CLI, CloudFormation ou SAM, e a função passa a ler e escrever em caminhos de arquivo como se fosse um servidor tradicional.
Os casos de uso mais claros aparecem em pipelines de dados com arquivos grandes, workloads com modelos de machine learning que precisam carregar pesos, processamento de documentos em lote e agentes de IA que mantêm memória compartilhada entre execuções.
Pontos que valem análise antes de adotar. O Lambda tem limite de 15 minutos por execução, e operações de I/O em sistema de arquivos montado têm impacto no cold start. O write-batching do S3 Files consolida escritas a cada cerca de 60 segundos, então vale avaliar cenários em que a função pode terminar antes desse intervalo e como isso afeta a consistência entre Lambdas que leem o mesmo arquivo. Para leitura de dados imutáveis, a integração é excelente. Para escrita concorrente em arquivo compartilhado, desenhe a aplicação pensando nesse comportamento.
Outro ponto que merece modelagem de custo: cada Lambda que monta o file system consome uma das 25 mil conexões simultâneas suportadas. Em cenários de escala massiva, esse limite pode virar restrição relevante.
Atualização 2: S3 Express One Zone passou a suportar S3 Inventory
Em 20 de abril de 2026, a AWS liberou o suporte do S3 Inventory para buckets do tipo directory, usados pelo Express One Zone. Até então, quem operava com essa storage class dependia exclusivamente da List API, que é síncrona e não escala bem para inventários grandes.
Com a novidade, é possível configurar relatórios diários ou semanais no formato CSV, ORC ou Parquet, listando objetos e metadados dentro do bucket ou de um prefixo específico. A feature está disponível em todas as regiões onde o Express One Zone já operava.
Por que isso importa. O Express One Zone sempre foi vendido como a classe de alta performance para workloads sensíveis a latência, com custo mais alto por GB armazenado. Ter inventário agendado fecha um gap de observabilidade e compliance: fica mais fácil rodar processos de FinOps, auditoria de metadados e jobs de big data que precisam de listagem consistente sem o custo de chamadas repetidas à List API.
O que vale aprofundar. A chegada do Inventory não transforma o Express One Zone em uma classe de uso geral. O produto continua sendo voltado para acesso quente, com modelo de cobrança diferente do S3 Standard. Vale analisar com cuidado se seu dado é realmente quente o suficiente para justificar o custo dessa classe, ou se o inventário vai apenas confirmar que muito do que está lá poderia migrar para Standard ou Intelligent-Tiering.
O fio condutor: por que esses lançamentos conectam com IA
Quando olhamos as três atualizações isoladamente, parecem melhorias incrementais. Quando olhamos em conjunto com o que a AWS vem entregando desde o fim de 2025, o desenho estratégico fica evidente: o S3 está sendo posicionado como camada única de dados para a era de IA generativa e agentes.
Os pontos que sustentam essa leitura:
S3 Vectors, em GA desde dezembro de 2025, é a primeira storage de objeto cloud com suporte nativo a vetores em escala de bilhões, com redução de custo de até 90% frente a vector databases dedicados e integração direta com Amazon Bedrock Knowledge Bases e Amazon SageMaker AI Unified Studio. Em março de 2026, expandiu para mais 17 regiões.
S3 Files chega justamente para resolver um problema central de agentes de IA: manter memória compartilhada e estado entre execuções efêmeras de compute. O caso de uso canônico do S3 Files com Lambda é exatamente esse, com várias funções de agente lendo e escrevendo no mesmo workspace, sem orquestração custom.
S3 Express One Zone com Inventory completa o quadro do lado de governança e FinOps, permitindo observar pipelines de IA que frequentemente operam sobre esse tier por questões de latência.
FSx for NetApp ONTAP com acesso via APIs S3, também em 2026, deixa dados legados em sistemas de arquivos tradicionais alimentarem Bedrock e SageMaker sem migração prévia.
Somando as peças, a AWS está reduzindo em várias frentes o custo marginal de experimentar IA: barateia o storage de vetores, elimina a ginástica de download e upload, dá observabilidade ao tier de alta performance e abre ponte para dados legados. Tudo converge para o S3 como substrato único de RAG, treinamento e agentes.
A tensão estratégica que vale mapear
Para quem está desenhando arquitetura de agente stateful agora, a AWS oferece dois caminhos concorrentes, e isso merece análise clara antes da escolha:
Caminho 1: Lambda com S3 Files. Serverless tradicional, custo previsível, simplicidade de adoção, com limitação de 15 minutos por execução, write batching de 60 segundos e teto de 25 mil conexões.
Caminho 2: Bedrock AgentCore Runtime. Cada sessão em microVM dedicado, isolamento forte, memória efêmera sanitizada ao fim, com AgentCore Memory e Observability já prontos. Mais orientado a agentes conversacionais empresariais com requisitos de compliance.
A pergunta que importa não é qual é melhor, e sim: qual perfil de agente você está construindo? Lambda com S3 Files tende a atender bem processamento compartilhado e agentes simples. AgentCore faz mais sentido para agentes conversacionais com memória longa e requisitos fortes de isolamento.
Quando faz sentido adotar agora
Vale testar S3 Files com Lambda se você tem pipelines que hoje fazem download integral de objetos antes de processar, precisa de workspace compartilhado entre funções paralelas ou roda modelos de machine learning que excedem o limite de 10 GB do armazenamento efêmero do Lambda.
Vale ligar S3 Inventory no Express One Zone se você já opera essa storage class e precisava montar pipelines próprios de listagem para governança ou cálculo de custo.
Quando vale manter o que já funciona
Se sua arquitetura roda bem com EFS e o ganho de migrar para S3 Files não é claro, vale continuar onde está e acompanhar a evolução do produto. Se ainda não tem observabilidade madura sobre consumo do S3, começar por uma POC controlada ajuda a dimensionar custo antes de ampliar. Se você depende de consistência forte em escrita concorrente com SLA abaixo de 60 segundos, merece validação profunda do comportamento do write-batching antes de apostar.
Conclusão
A AWS está consolidando o S3 como camada universal de storage, com foco claro em viabilizar workloads de IA com custo marginal menor e menos fricção arquitetural. Os lançamentos de abril são peças dessa agenda, não features soltas. O produto amadureceu rápido e abre boas janelas de adoção, especialmente para quem está começando a construir com agentes e RAG.
Se você ainda não leu a parte 1 deste artigo, recomendo começar por lá para entender o contexto completo. E se já adotou S3 Files no seu ambiente, me conta nos comentários: qual foi o ganho real que você observou até agora e onde ficaram os principais pontos de atenção?
Este artigo faz parte de uma série sobre lançamentos AWS em 2026. Para acompanhar análises cloud com olhar crítico e construtivo, siga @RafaaVidotti no Instagram.
Fontes oficiais
Lançamento original do S3 Files em 7 de abril de 2026: https://aws.amazon.com/about-aws/whats-new/2026/04/amazon-s3-files/
S3 Express One Zone com suporte a S3 Inventory em 20 de abril de 2026: https://aws.amazon.com/about-aws/whats-new/2026/04/s3-express-one-zone-supports-s3-inventory/
AWS Lambda com suporte a S3 Files em 21 de abril de 2026: https://aws.amazon.com/about-aws/whats-new/2026/04/aws-lambda-amazon-s3/
Amazon S3 Vectors em GA em dezembro de 2025: https://aws.amazon.com/about-aws/whats-new/2025/12/amazon-s3-vectors-generally-available/
S3 Vectors com integração a Bedrock Knowledge Bases: https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors-bedrock-kb.html
Amazon Bedrock AgentCore: https://aws.amazon.com/bedrock/agentcore/
Documentação oficial de montagem de S3 Files em Lambda: https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-files-mounting-lambda.html