Динамика развития отраслей, связанных с беспилотными авиационными системами, обуславливает повышенное внимание к экономическим характеристикам алгоритмов машинного зрения, размещаемых на борту летательных аппаратов. Предметом настоящего исследования являются параметры экономической эффективности и ресурсоёмкости сверточных (CNN) и трансформерных (ViT) нейронных сетей, используемых для задач бортовой разведки. В работе задействованы методы сравнительного технико-экономического анализа, систематизации научных публикаций за период 2023–2026 годов, а также нормативно-правовой анализ действующего российского законодательства. Исследование эволюции архитектурных решений позволило выявить устойчивую тенденцию к формированию гибридных моделей, сочетающих свёрточные операции с механизмами самовнимания, ориентированных на оптимизацию соотношения вычислительных затрат и точности распознавания объектов в условиях ограниченных бортовых ресурсов. Полученные результаты свидетельствуют о том, что выбор архитектуры нейросетевого модуля для бортовых платформ разведки не может определяться исключительно показателями точности детекции, а требует комплексной оценки стоимости владения вычислительной инфраструктурой, энергопотребления на один кадр инференса и масштабируемости решения в рамках серийного производства. Научная новизна состоит в разработке авторской матрицы экономико-технологического выбора архитектуры нейронной сети для бортовых разведывательных платформ, учитывающей совокупную стоимость жизненного цикла и показатели отраслевой ресурсоёмкости. Практическая значимость определяется возможностью применения результатов при обосновании инвестиционных решений в рамках национального проекта «Беспилотные авиационные системы» и формировании стратегий импортозамещения в сегменте бортового интеллектуального оборудования.